Python sklearn-dnnRecessor中的增强示例

我正在尝试使用skflow使用DNN执行非线性回归 我成功地使波士顿的例子适应了我的需要 我从CSV文件加载我的培训数据集，如下所示

# Load dataset
us_data = tf.contrib.learn.datasets.base.load_csv(filename="./input.csv", target_dtype=np.float, has_header=False)
x, y = us_data.data, us_data.target

# Split dataset into train / test
x_train, x_test, y_train, y_test = cross_validation.train_test_split(x, y, test_size=0.2, random_state=42)

我的CSV文件的组织方式如下：

INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

# Build 3 layer fully connected DNN with 34,23,12 units respectively.
feature_columns = learn.infer_real_valued_columns_from_input(x_train)
regressor = learn.DNNRegressor(
  feature_columns=feature_columns, hidden_units=[34, 23, 12], model_dir='./model')

WEIGHT, INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

我希望能够使用DNNRegressor类的

weight\u column\u name

args增强一些示例

现在我这样称呼它：

INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

# Build 3 layer fully connected DNN with 34,23,12 units respectively.
feature_columns = learn.infer_real_valued_columns_from_input(x_train)
regressor = learn.DNNRegressor(
  feature_columns=feature_columns, hidden_units=[34, 23, 12], model_dir='./model')

WEIGHT, INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

我想将每个示例的权重（作为介于0和100之间的浮点数）添加为CSV文件的第一个或最后一个条目，如下所示：

INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

# Build 3 layer fully connected DNN with 34,23,12 units respectively.
feature_columns = learn.infer_real_valued_columns_from_input(x_train)
regressor = learn.DNNRegressor(
  feature_columns=feature_columns, hidden_units=[34, 23, 12], model_dir='./model')

WEIGHT, INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

或

我需要对我的程序进行哪些修改才能做到这一点？在示例中，我没有看到

weight\u column\u name

arg的任何用法，因此我不知道如何使用它。请注意，我不是Python程序员，所以请不要犹豫添加“琐碎”信息 注意，示例的权重不应作为神经网络的输入