tf.keras 中意外的权重数 Model

Question

我对每个特征的预测能力有疑问，所以我需要一种方法来评估每个特征在最终 model 中的强度。我的feature_layer包含两个indicator_column环绕categorical_column_with_vocabulary_list用于分类数据，一个indicator_column环绕两个之间的交叉纬度/经度数据的桶化数字列和五个数字列。

我希望完成的 model 有 15 个权重：2 个用于纬度和经度，5 个用于数字列，5 个和 3 个用于使用单热编码的每个分类列。 但是， len(model.get_weights())[0]返回 513。我怀疑纬度和经度有更多的权重，因为两个分桶列之间的交叉最终成为具有足够高分辨率的稀疏分类特征。 但是，假设这是真的，我仍然不知道如何解释model.get_weights()[0]返回的权重。

Answer 1

我发现答案与 crossed_column 中的hash_bucket_size参数crossed_column 。 这些哈希中的每一个在最终的 model 中都有自己的权重。513 个权重是来自每个其他特征的 13 个权重和交叉纬度/经度的 500 个哈希的结果。

在解释权重方面，我假设 model 的权重保持在我向feature_layer添加特征的顺序。