Python 我应该如何构建tensorflow数据集,以便将其输入自定义RNN估计器
我正在尝试使用RNN来估计我网站上的客户是否会根据他们的点击行为购买物品。因此,数据集看起来像:Python 我应该如何构建tensorflow数据集,以便将其输入自定义RNN估计器,python,tensorflow,rnn,sequential,Python,Tensorflow,Rnn,Sequential,我正在尝试使用RNN来估计我网站上的客户是否会根据他们的点击行为购买物品。因此,数据集看起来像: session_id page_type event since_previous_click (s) will_buy 1 search SelectCountry null 0 1 search SelectCountry 2
session_id page_type event since_previous_click (s) will_buy
1 search SelectCountry null 0
1 search SelectCountry 2 0
1 search SortResults 4 0
1 product SelectColor 20 0
2 search SelectCountry null 1
2 search SortResults 10 1
2 product SelectSize 5 1
2 product SelectColor 23 1
2 inmarket EnterName 8 1
2 inmarket Booked 34 1
所以“will_buy”是标签,页面类型、事件和自上次点击是输入功能。然而,我的问题是,我不知道如何组织我的工作。我知道维度应该是[#数据点,#时间步长,#特征],其中时间步长的数量应该填充,因为它们的长度不同。但我不能从张量(或numpy数组)构造这个3D对象,因为有多个数据类型(string和int32)。有什么帮助吗?将页面类型和事件转换为一个热向量。然后,您的所有数据都将是int32。这可能会帮助您回答一些问题:)