如何使用TensorFlow结合数值与非数值特征预测价格变动百分比？

一、模型选择 #

这是回归任务（预测连续数值型的price_change_percentage），结合你的结构化数据特征（类别型+数值型），推荐以下几种TensorFlow模型：

1. 基于特征列（Feature Columns）的全连接神经网络 #

这是处理结构化数据最直接的方案，通过TensorFlow的tf.feature_column模块统一处理不同类型的特征，再输入到全连接层做回归预测。适合数据量不大、特征复杂度中等的场景。

2. 宽深模型（Wide & Deep Model） #

如果需要同时捕捉特征的线性关联（Wide部分）和复杂非线性模式（Deep部分），可以用宽深模型。Wide部分处理类别特征的交叉组合，Deep部分学习特征的深层表示，适合兼顾记忆性和泛化性的结构化数据任务。

3. TensorFlow决策森林（TensorFlow Decision Forests） #

若偏好模型的可解释性，TF-DF是不错的选择——它原生支持类别特征，无需手动编码，训练速度快且效果稳定，非常适配结构化数据回归任务。

二、非数值特征的转换方法 #

product_name和brand属于类别型特征，需转换为模型可识别的数值格式，具体方法如下：

1. 独热编码（One-Hot Encoding） #

适合类别数量较少的特征（比如你的brand仅X、Y两类）。将每个类别映射为二进制向量，例如：

• brand=X → [1, 0]
• brand=Y → [0, 1]

TensorFlow实现示例：

import tensorflow as tf

# 处理brand特征
brand_vocab = ['X', 'Y']
brand_cat_col = tf.feature_column.categorical_column_with_vocabulary_list(
    key='brand', vocabulary_list=brand_vocab
)
brand_one_hot = tf.feature_column.indicator_column(brand_cat_col)

2. 嵌入编码（Embedding） #

如果product_name的类别数量较多（比如后续会新增大量不同玩具名称），独热编码会导致特征维度爆炸，此时推荐嵌入编码。它将高维类别特征映射到低维稠密向量，模型可学习到类别间的关联信息。

TensorFlow实现示例：

# 处理product_name特征（用哈希桶适配大量类别）
product_name_hash_col = tf.feature_column.categorical_column_with_hash_bucket(
    key='product_name', hash_bucket_size=100  # 根据实际类别数量调整
)
product_name_embedding = tf.feature_column.embedding_column(
    categorical_column=product_name_hash_col, dimension=8  # 嵌入维度按需调整
)

3. 注意事项 #

• 标签编码（Label Encoding）不适合此类无序类别特征，模型会错误认为类别间存在顺序关系（比如Toy X=0、Toy Y=1，模型可能解读为0<1有意义）。
• release_year属于数值特征，可直接作为数值列输入：

release_year_num_col = tf.feature_column.numeric_column(key='release_year')

三、简单模型实现示例 #

整合上述特征，构建基础全连接回归模型：

# 整合所有特征列
feature_columns = [brand_one_hot, product_name_embedding, release_year_num_col]

# 构建输入层
input_layer = tf.keras.layers.DenseFeatures(feature_columns)

# 构建模型
model = tf.keras.Sequential([
    input_layer,
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(32, activation='relu'),
    tf.keras.layers.Dense(1)  # 回归任务输出层无需激活函数
])

# 编译模型
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['mae'])

内容的提问来源于stack exchange，提问作者Shawn Hunter