不明白如何实现分类特征的嵌入

Question

从我在网上找到的各种例子来看，我仍然不太明白如何从我的分类数据为神经网络模型创建嵌入层，尤其是当我混合了数值和分类数据时。例如，取如下数据集：

numerical_df = pd.DataFrame(np.random.randint(0,100,size=(100, 3)), columns=['num_1','num_2','num_3'])

cat_df = pd.DataFrame(np.random.randint(0,5,size=(100, 3)), columns=['cat_1','cat_2','cat_3'])

df = numerical_df.join(cat_df)

我想为我的分类数据创建嵌入层并将其与我的数值数据结合使用，但从我看到的所有示例中，它几乎就像模型只是通过嵌入层过滤整个数据集，这令人困惑。

作为我的困惑的一个例子，下面是 Keras 关于顺序模型的文档的一个例子。就好像他们只是将嵌入步骤添加为第一层并将其拟合到整个 x_train 中。

from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.layers import Embedding
from keras.layers import LSTM

max_features = 1024

model = Sequential()
model.add(Embedding(max_features, output_dim=256))
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=16, epochs=10)
score = model.evaluate(x_test, y_test, batch_size=16)

因此，最终在创建嵌入矩阵时，是否每个分类变量都有一个......所有分类变量都有一个？我如何将其与不需要嵌入矩阵的其他数据进行协调？

Answer 1

要将分类数据与数值数据相结合，您的模型应使用函数式 API 使用多个输入。一个用于每个分类变量，一个用于数字输入。由您决定如何将所有数据组合在一起，但我认为将所有数据连接在一起然后继续模型的其余部分是有意义的。

numerical_in = Input(shape=(3,))
cat_in       = Input(shape=(3,))
embed_layer  = Embedding(input_dim=5, output_dim=3, input_length=3)(cat_in)
embed_layer  = Flatten(embed_layer)
merged_layer = concatenate([numerical_in, embed_layer])
output       = rest_of_your_model(merged_layer)
model        = Model(inputs=[numerical_in, cat_in], outputs=[output])

...

model.fit(x=[numerical_df, cat_df], y=[your_expected_out])