Класс Discretization

Класс Discretization относится к секции text и преобразует непрерывные числовые признаки в дискретные категориальные интервалы (бины). Первым параметром передается список границ bin_boundaries, которые определяют диапазоны разбиения. Вторым необязательным параметром передается num_bins - количество бинов, если границы не заданы явно. Также можно указать epsilon для допуска при вычислении границ и dtype для типа выходных данных.

Синтаксис

tf.keras.layers.Discretization(
	bin_boundaries=None,
	num_bins=None,
	epsilon=0.01,
	dtype='int64',
	**kwargs
)

Пример

Давайте создадим слой Discretization с явно заданными границами бинов и применим его к тензору чисел:

import tensorflow as tf

layer = tf.keras.layers.Discretization(
	bin_boundaries=[0, 2, 4]
)

t = tf.constant([-1, 0, 1, 2, 3, 4, 5])
res = layer(t)
print(res)

Результат выполнения кода:

tf.Tensor([0 0 1 1 2 2 3], shape=(7,), dtype=int64)

Пример

Давайте создадим слой Discretization, указав только количество бинов, и применим его к тензору чисел:

import tensorflow as tf

layer = tf.keras.layers.Discretization(num_bins=4)
layer.adapt([1, 2, 3, 4, 5, 6, 7, 8])

t = tf.constant([1, 3, 5, 7, 8])
res = layer(t)
print(res)

Результат выполнения кода:

tf.Tensor([0 1 2 3 3], shape=(5,), dtype=int64)

Пример

Давайте применим слой Discretization к двумерному тензору и получим бины для каждого элемента:

<+python+> import tensorflow as tf layer = tf.keras.layers.Discretization( bin_boundaries=[1, 3, 5] ) t = tf.constant([[1, 2, 3], [4, 5, 6]]) res = layer(t) print(res) <-python+>

Результат выполнения кода:

tf.Tensor(
	[[0 1 1]
	 [2 2 3]], shape=(2, 3), dtype=int64)

Смотрите также

класс CategoryEncoding,
который кодирует категориальные признаки
класс IntegerLookup,
который преобразует целые числа в индексы
класс Hashing,
который выполняет хеширование категорий
функцию to_number,
которая преобразует строки в числа