Tensorflow：具有多個特徵列和具有多個維度的一個特徵列之間有什麼區別？

Question

我想用簡單的tf.contrib.learn.LinearRegressor開始使用TensorFlow。我的數據集是一個時間序列，我希望使用T-n, ..., T-1作爲特徵的步驟以及T-0作爲標籤。所有的值都是浮點數，所以當然我想我會把每個時間步轉換爲real_valued_column特性。

但是，這些列具有dimension=屬性，並且在TF網站上的Iris數據集的示例中，具有四維的單列作爲特徵。我原以爲這裏的每一個屬性（萼片寬度/長度，花瓣寬度/長度）都應該成爲它自己的特徵，因此它是自己的real_valued_column。我的理解錯了嗎？這些方法有什麼區別？

Answer 1

每朵花都由其四個屬性來表示，所以你的特徵矩陣的確有4列。但是爲了訓練分類器，你不能單獨獲取每個特徵，因爲它們可能與花屬於的類相關因此維度被設置爲維度= 4。將real_valued_column作爲一組列（它們的數量是維度）來構思特徵矩陣。