Keras Sequential使用tf.feature_column.numeric_column相比直接输入数组有何优劣？

核心本质 #

两种方案没有本质差异，对于纯数值特征的场景，二者最终输入到后续全连接层的浮点张量完全一致，相同结构的模型训练后能得到完全相同的效果，只是数据预处理逻辑的存放位置和入口写法不同。
如果涉及类别、交叉等非数值特征，DenseFeatures方案是将特征编码逻辑内置到模型层内处理，手动转数组的方案是将编码逻辑放在模型外提前完成，最终送入后续网络的张量仍然是等价的。

方案1：DenseFeatures + 特征列输入 #

优点 #

• 适配复杂特征场景：无需手动编写编码逻辑，只需要调整tf.feature_column的定义，即可快速支持类别特征、哈希分桶、特征交叉、嵌入向量等处理，适合特征类型多样的业务场景
• 避免线上线下特征不一致：特征处理逻辑完全封装在模型内部，部署到线上推理时，上游直接传入原始特征字典即可，不需要额外维护离线、在线两套特征处理逻辑，大幅降低特征不一致的风险
• 特征管理清晰：无需手动维护特征的顺序、索引映射关系，每个特征的处理规则直接在特征列定义中体现，特征增删时不容易出现错位、漏加问题

缺点 #

• 调试门槛高：特征列的内部处理逻辑对用户不透明，输入为字典结构，出现数据维度、数值异常时排查成本更高
• 训练性能略低：特征列的内部转换存在额外开销，超大规模数据集训练时，速度会比直接传入数组慢10%~30%左右
• 代码冗余高：小demo快速验证时，需要额外编写特征列定义、构造张量字典的代码，开发效率低于直接传数组的方案

方案2：numpy数组 + 指定input_shape输入 #

优点 #

• 写法简单直观：新手易上手，从DataFrame取数到转数组再到训练的全流程逻辑透明，适合快速做模型原型验证
• 调试成本低：每个阶段的输入都是可直接打印查看的数组，数据维度、数值异常可以直接定位
• 训练速度快：省略了特征列的内部转换开销，训练、推理的速度都更快，小批量迭代场景下优势更明显

缺点 #

• 特征扩展性差：如果后续需要接入类别、交叉等非数值特征，所有编码、转换逻辑都需要手动实现，开发成本高
• 特征一致性风险高：离线预处理的逻辑需要和线上部署时的逻辑完全对齐，一旦出现特征顺序错误、归一化参数不一致等问题，会直接导致线上推理效果暴跌
• 特征维护成本高：特征数量较多时，需要手动维护每个特征对应的数组索引，增删特征时很容易出现错位问题

内容的提问来源于stack exchange，提问作者Tom