tf.keras 中意外的權重數 Model

Question

我對每個特征的預測能力有疑問，所以我需要一種方法來評估每個特征在最終 model 中的強度。我的feature_layer包含兩個indicator_column環繞categorical_column_with_vocabulary_list用於分類數據，一個indicator_column環繞兩個之間的交叉緯度/經度數據的桶化數字列和五個數字列。

我希望完成的 model 有 15 個權重：2 個用於緯度和經度，5 個用於數字列，5 個和 3 個用於使用單熱編碼的每個分類列。 但是， len(model.get_weights())[0]返回 513。我懷疑緯度和經度有更多的權重，因為兩個分桶列之間的交叉最終成為具有足夠高分辨率的稀疏分類特征。 但是，假設這是真的，我仍然不知道如何解釋model.get_weights()[0]返回的權重。

Answer 1

我發現答案與 crossed_column 中的hash_bucket_size參數crossed_column 。 這些哈希中的每一個在最終的 model 中都有自己的權重。513 個權重是來自每個其他特征的 13 個權重和交叉緯度/經度的 500 個哈希的結果。

在解釋權重方面，我假設 model 的權重保持在我向feature_layer添加特征的順序。