使用张量流选择特征

Question

我正在使用python 3.5，张量为0.11。

我有一个具有大量特征（> 5000）和相对较少数量的样本（<200）的数据集。我正在使用包装器skflow函数DNNClassifier进行深度学习。

它似乎适用于分类任务，但我想从大量功能中找到一些重要功能。

在内部，DNNClassifier似乎执行功能选择（或功能） 萃取）。有没有办法用tensorflow执行特征选择？

或者，是否有一些函数来提取特征的权重？ （有一个函数DNNClassifier.weights_，但它似乎已被弃用）

如果Tensorflow不支持特征选择或权重信息，使用其他方法（例如单变量特征选择）进行特征选择是否合理，然后尝试深度学习？

感谢您的帮助。

Answer 1

您可以评估权重。 例如，如果您的变量由

定义

weights = tf.Variable(np.ones([100,10],dtype='float32'), name=weights)

你可以在tensorflow会话中获得它的价值

value = weights.eval();