TensorFlow 2.4中如何构建<feature_name:feature_weight>映射字典

前置修正 #

你示例中获取权重的代码存在错误：DenseFeatures层仅负责特征预处理转换，没有可训练参数，LR的权重实际存储在第二层的Dense层中，正确获取权重的方式如下：

# 从Dense层获取权重，shape为(总特征维度, 1)，拉平为1维数组
weights = my_model.layers[1].get_weights()[0].flatten()

DenseFeatures层的输出特征顺序和你传入的my_features列表顺序严格一致，只需要按顺序遍历每个特征列生成对应维度的特征名，再和权重数组按位置匹配即可实现映射。 #

完整实现代码 #

import tensorflow as tf
from itertools import product

def build_feature_weight_map(feature_columns, weights):
    feature_names = []
    for col in feature_columns:
        # 处理被IndicatorColumn包装的词汇表分类列
        if isinstance(col, tf.feature_column.IndicatorColumn):
            cat_col = col.categorical_column
            if isinstance(cat_col, tf.feature_column.VocabularyListCategoricalColumn):
                col_key = cat_col.key
                vocab_size = len(cat_col.vocabulary_list)
                # 按词汇表顺序生成特征名
                for i in range(vocab_size):
                    feature_names.append(f"{col_key}_{i}")
            # 处理被IndicatorColumn包装的交叉特征列
            elif isinstance(cat_col, tf.feature_column.CrossedColumn):
                cross_keys = "_X_".join([k.key for k in cat_col.keys])
                # 你的场景中交叉组合共4*4=16种，小于hash_bucket_size=50无哈希冲突
                weight_vocab = [2,3,0,1]
                vol_vocab = [3,4,1,2]
                all_pairs = list(product(weight_vocab, vol_vocab))
                # 按交叉列的哈希规则对组合排序，匹配DenseFeatures输出顺序
                def get_pair_hash(pair):
                    return cat_col._hash_bucket_function(str(pair).encode(), cat_col.hash_bucket_size)
                sorted_pairs = sorted(all_pairs, key=get_pair_hash)
                for w_val, v_val in sorted_pairs:
                    feature_names.append(f"{cross_keys}_{w_val}_{v_val}")
    # 生成特征名-权重映射字典
    return dict(zip(feature_names, weights))

# 调用方法获取映射字典
feature_weight_map = build_feature_weight_map(my_features, weights)

注意事项 #

• 如果交叉列的hash_bucket_size小于实际特征组合数，存在哈希冲突时，可直接按桶编号命名交叉特征为{交叉列名}_{桶id}即可
• 新增其他类型特征列（如数值列、分桶列）时，只需在函数中新增对应类型的判断逻辑，按列的维度生成对应特征名即可

内容的提问来源于stack exchange，提问作者Bread