踩坑内容包含以下
1. feature_column的输入输出类型，用一个数据集给出demo
2. feature_column接estimator
3. feature_column接Keras
## feature_column 输入输出类型
### 输入输出类型
feature_column输入可以是原始特征的列名,或者是feature_column。初上手感觉feature_column设计的有点奇怪，不过熟悉了逻辑后用起来还是很方便的。几个需要习惯一下的点：
1. 深度模型的输入必须是Dense类型，所有输出是categorical类型需要经过indicator或者embedding的转换才可以
2. indicator, embedding, bucketized的输入不能是原始特征，前两者只能是categorical类型的feature_column, 后者只能是numeric_column
|feature_column| 输入| 输出|输出是否为dense|
|----|----|----|---|
|categorical_column_with_identity|数值型离散|categorical|N|
|categorical_column_with_vocabulary_list|字符型/数值型离散|categorical|N|
|categorical_column_with_hash_bucket|类别太多的离散值|categorical|N|
|crossed_column|categorical/离散值 |categorical|N|
|indicator_column|categorical|one/multi-hot|Y|
|embedding_column |categorical|dense vector|Y|
|numeric_column|数值型连续值|numeric|Y|
|bucketzied_column|numeric_column|one-hot|Y|
以下给出各种特征工程的demo，原始特征如下
![image.png-252.2kB][1]
### 输入-连续值
![image.png-170.8kB][2]
### 输入-离散值
![image.png-286.2kB][3]
### 输入-categorical
![image.png-290kB][4]
## feature_column接estimator
如果是使用预定义的estimator, feature_column可以直接作为输入，不需要任何额外操作，只需要注意深度模型只支持Dense类型的feature_column即可。
如果是自定义estimator，则需要多一步用feature_column先创建input_layer
```python
input_layer = tf.feature_column.input_layer(features, feature_columns)
```
## feature_column接keras
为什么要这么搭配呢，好像是没啥必要，只不过进一步证明tf的官方文档确实坑而已。。。
```python
def model_fn():
#define Keras input
input = {}
for f in FEATURE_NAME:
input[f] = Input(shape=(1,), name = f, dtype = DTYPE[f])
#generate feature_columns
feature_columns = build_features()
#Define transformation from feature_columns to Dense Tensor
feature_layer = tf.keras.layers.DenseFeatures( feature_columns )
#Transform input
dense_feature = feature_layer(input)
output = Dense(1, activation='sigmoid')(dense_feature)
#feed input placeholder as list
model = Model(inputs = [i for i in input.values()], outputs = output)
return model
```
[1]: http://static.zybuluo.com/hongchenzimo/iyjk0m2i1i631jv9gwj8jzgg/image.png
[2]: http://static.zybuluo.com/hongchenzimo/y3ihfhb465aci4n0qs9kvqag/image.png
[3]: http://static.zybuluo.com/hongchenzimo/qyfvqwib5turc587l3hml196/image.png
[4]: http://static.zybuluo.com/hongchenzimo/6kjyawpwbsdrqjcak96hw3fk/image.png
