TensorFlowを使ってPythonで特徴量カラム（Feature Columns）を定義する方法

TensorFlowでは、Estimatorモデル用の特徴量カラムを定義できます。具体的には、空のリストを作成し、トレーニングデータセットの「key」の値にアクセスして反復処理を行います。この反復処理の中で、特徴量の名前を空のリストに追加していくことで、特徴量カラムのリストが構築されます。

前提知識

本記事のコードでは、Keras Sequential APIを使用します。これは、各レイヤーが正確に1つの入力テンソルと1つの出力テンソルを持つ、単純なレイヤーのスタックで構成されるシーケンシャルモデルを構築する際に役立ちます。

少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは、畳み込みニューラルネットワーク（CNN）と呼ばれます。CNNを利用することで、画像認識などに適した学習モデルを構築できます。

また、TensorFlow Textには、TensorFlow 2.0と組み合わせて使用できるテキスト関連のクラスやオペレーションのコレクションが含まれており、系列モデル（Sequence Model）の前処理に活用できます。

実行環境について

以下のコードはGoogle Colaboratory（Google Colab）上で実行しています。Google Colabはブラウザ上でPythonコードを実行できる環境であり、事前設定は一切不要で、GPU（グラフィックス処理ユニット）にも無料でアクセスできます。ColaboratoryはJupyter Notebookをベースに構築されています。

Estimatorとは

Estimatorは、TensorFlowにおける完全なモデルの高レベルな表現です。容易なスケーリングと非同期学習を実現できるよう設計されています。Estimatorモデルを構築する際には、特徴量カラムのリストを渡す必要があります。

コード例

print("Building list of feature columns for estimator model")
my_feature_columns = []
for key in train.keys():
    my_feature_columns.append(tf.feature_column.numeric_column(key=key))

コード出典：https://www.tensorflow.org/tutorials/estimator/premade#first_things_first

出力結果

Building list of feature columns for estimator model

解説

• 特徴量カラム（Feature Column）とは、モデルが特徴量ディクショナリ内の生の入力データをどのように使用すべきかを記述するものです。Estimatorモデルを構築する際には、この特徴量カラムのリストがモデルに渡されます。

• 特徴量カラムによって、モデルが使用すべき各特徴量が記述されます。

• tf.feature_columnモジュールには、データをモデルに表現するためのさまざまなオプションが用意されています。

• ここでは、4つの特徴量それぞれを32ビット浮動小数点数値として表現するようEstimatorモデルに指示するため、特徴量カラムのリストを構築しています。