常用轉換

本文說明如何使用 tf.transform 進行常用轉換。

我們假設您已根據範例建構 Beam 管線，並且僅說明需要新增至 preprocessing_fn 和可能的模型中的內容。

使用字串/類別資料

以下 preprocessing_fn 將計算特徵 x 值的詞彙表，並依頻率降序排列符記、將特徵 x 值轉換為其在詞彙表中的索引，並最終對輸出執行單熱編碼。

這在標籤特徵是類別字串的使用案例中很常見。產生的單熱編碼已準備好用於訓練。

def preprocessing_fn(inputs):
  integerized = tft.compute_and_apply_vocabulary(
      inputs['x'],
      num_oov_buckets=1,
      vocab_filename='x_vocab')
  one_hot_encoded = tf.one_hot(
      integerized,
      depth=tf.cast(tft.experimental.get_vocabulary_size_by_name('x_vocab') + 1,
                    tf.int32),
      on_value=1.0,
      off_value=0.0)
  return {
    'x_out': one_hot_encoded,
  }

遺失資料的平均值插補

在此範例中，特徵 x 是選用特徵，在 preprocessing_fn 中表示為 tf.SparseTensor。為了將其轉換為密集張量，我們計算其平均值，並在執行個體中遺失時將平均值設定為預設值。

產生的密集張量形狀為 [None, 1]，None 代表批次維度，而第二個維度是每個執行個體 x 可以擁有的值數量。在此案例中為 1。

def preprocessing_fn(inputs):
  return {
      'x_out': tft.sparse_tensor_to_dense_with_shape(
          inputs['x'], default_value=tft.mean(x), shape=[None, 1])
  }