Python 可视化tf.contrib.learn.LinearClassifier权重

我用著名的泰坦尼克号数据集处理了tensorflow的线性分类器数据

（我的问题本身在底部-这是模型本身的一些代码）

所以我有我的专题专栏：

CONTINUOUS_COLS = ['Age', 'Fare']
CATEGORICAL_COLS = ['Sex', 'Pclass', 'Title']
LABELS_COL = 'Survived'

sex_col = sparse_column_with_keys('Sex', keys=['male', 'female'])
title_col = sparse_column_with_hash_bucket('Title', 10)
fare_class_col = sparse_column_with_keys('Pclass', keys=['1','2','3'])
age_col = real_valued_column('Age')
fare_col = real_valued_column('Fare')

我的输入功能：

def create_input_fn(df):
    continous_features = {k: tf.constant(df[k].values) for k in CONTINUOUS_COLS}
    categorical_features = {k : tf.SparseTensor(
        indices=[[0,i] for i in range(df[k].size)],
        values=df[k].values,
        dense_shape=[df[k].size, 1]
    ) for k in CATEGORICAL_COLS}
    feature_cols = {**continous_features, **categorical_features}
    labels = tf.constant(df[LABELS_COL].values)
    return feature_cols, labels

我的模型是：

clf = LinearClassifier(feature_columns=[sex_col, fare_class_col, age_col, fare_col, title_col],
    optimizer=tf.train.FtrlOptimizer(
        learning_rate=0.5,
        l1_regularization_strength=1.0,
        l2_regularization_strength=1.0),
    model_dir=tempfile.TemporaryDirectory().name)

现在，当我运行模型时，它是OK的，我想看看模型的权重，以便更好地可视化它们

因此，

clf.weights\uu

是存在的（尽管它被列为不推荐使用的），所以我只是手动将它们取出：

for var in clf.get_variable_names():
    if var.endswith('weights'):
        print(f'{var} -> {clf.get_variable_value(var)}')

我得到了一些不错的结果：

linear/Pclass/weights -> [[ 0.        ]
 [ 0.        ]
 [-0.01772301]]
linear/Sex/weights -> [[-0.07285357]
 [ 0.        ]]
linear/Title/weights -> [[ 0.        ]
 [ 0.        ]
 [ 0.        ]
 [-0.03760524]
 [ 0.        ]
 [ 0.        ]
 [ 0.        ]
 [ 0.        ]
 [ 0.        ]
 [ 0.        ]]

现在我的问题是-如何拔出最初使用的键？ 因此，我可以更好地匹配数字，例如与性别匹配-键最初映射为男性/女性

---

谢谢

对于带有键的

稀疏列
：

sex_col.lookup_config.keys#（'male'，'female'）

比如：

matched = {}
weights = clf.get_variable_value('linear/Sex/weights')  # np array
for index, key in enumerate(sex_col.lookup_config.keys):
    matched[key] = weights[index]

当您
dir（sex\u col.lookup\u config）
并在以下位置检查方法docstrings时，还有一些其他有趣的属性：

我还没有从
sparse\u column\u和\u hash\u bucket
中找到映射

如果您有
tf.contrib.layers.bucketized\u列
与教程中的年龄桶类似：
age\u bucket.边界