Tf.feature_column有四個處理離散變量的接口，分別是直接整數onehot、指定同義詞庫onehot、哈希降維onehot、嵌入離散特征連續性，其中前三個會將字符串/整數特征處理成onehot 0/1向量，最後壹個embedding_column會對onehot的結果做低維稠密向量映射。這些接口如下所示。
如果這個離散特征列表本身是用連續整數表示的(從0開始)，就可以直接映射成離散變量，可以預先指定最大值個數。如果超過默認值，則適用於原本用整數ID編碼的離散特征，編碼氛圍不是很強。如果傳入值列表包含多個元素，可以實現mutihot，但列表元素的數量應該相同。
如果離散特征列表是壹個字符串(或壹個整數)並且值的範圍不大，您可以使用此界面來定義離散特征的值。當新值出現時，您可以分配新的索引位置或將它們映射到現有位置。詞典映射也支持多重映射。
如果設置了num_oov_buckets=0，或者沒有設置默認值，新單詞將被直接忽略。
另壹種設置方式，也可以處理生詞問題，直接映射到另壹個單詞，比如other。
Test mutihot，同壹元素在壹行中出現多次，計數會超過1。
如果這個列是字符串離散變量(也可以是整數，支持整數和字符串)，並且有很多值，比如ID，那麽可以使用這個接口。
如果輸入是壹個整數值，用dtype設置dtype=tf.int32，內部會把整數轉換成壹個字符串進行hash。
Integer、thesaurus和hash通過indicator_column直接離散化，而onehot矩陣可以通過embedding_column查找到壹個嵌入密集向量。默認情況下，嵌入可以繼續使用模型進行訓練。也就是說，可訓練=真。對於mutihot，嵌入支持向量組合均值、sqrtn和sum。
在1.hash之後嵌入
2.在單詞列表onehot後嵌入
3.onehot後直接嵌入整數。
多重嵌入
Tf.feature_column有兩個處理連續變量的接口，分別是連續值直接映射成連續變量，連續值在盒子中離散化。這些接口如下所示。
連續變量解包後可以繼續嵌入。
Tf。特征_列。crossed _ column可以交叉組合離散特征，增加模型特征的表示能力。
試圖跨越連續特征和離散特征，結果是壹個錯誤。
定義多個特征時，在特征字典中定義多個鍵，張量對象在壹個列表中傳遞，其中列表的特征順序不影響特征組合的結果，組合特征的順序由feature_a.name的字符串順序決定