1、特征列入门：什么是特征列、为什么需要特征列、特征列在TensorFlow中的角色

大家好，我是你们的老朋友。今天咱们来聊聊特征列。

说实话，我刚接触TensorFlow那会儿，看到“特征列”这三个字，第一反应是：这不就是特征工程那一套吗？搞个新名词干嘛？

后来踩了不少坑，才明白——特征列不是新瓶装旧酒，它是TensorFlow专门为结构化数据设计的一套“数据预处理管线”。

1.1 什么是特征列？

简单说，特征列就是告诉模型：你的输入数据长什么样，以及该怎么处理它。

举个例子。你有一张表格，里面有年龄、性别、收入。这些数据格式不一样：

• 年龄是数值，比如25、30
• 性别是字符串，比如“男”、“女”
• 收入是浮点数，比如12000.5

模型只认识数字。那字符串怎么转？数值要不要归一化？这些事，特征列帮你搞定。

我个人习惯把特征列分成两类：

• 数值列：直接拿数字用，比如年龄、收入
• 类别列：需要做one-hot或embedding，比如性别、城市

嗯，这里要注意：特征列不是数据本身，而是对数据的描述。你定义好特征列，TensorFlow就知道怎么处理每一列。

1.2 为什么需要特征列？

你可能会问：我自己写代码做预处理不行吗？

当然可以。但我在项目中遇到过一个问题：训练时和预测时的预处理逻辑不一致。

比如你训练时把“性别”转成了0和1。预测时来了新数据，你忘了做同样的转换。模型直接报错。

特征列解决了这个痛点：

• 一致性：训练和预测用同一套特征列，不会出错
• 可组合：你可以把多个特征列组合成新的特征，比如“年龄×收入”
• 可复用：定义一次，到处使用

说白了，特征列就是帮你把“数据预处理”这件事标准化、自动化了。你想想看，如果每个项目都手写预处理，那得重复造多少轮子？

1.3 特征列在TensorFlow中的角色

在TensorFlow 2.x中，特征列是tf.feature_column模块的核心。它扮演三个角色：

1. 数据描述者：告诉模型每个字段的类型和取值范围
2. 预处理执行者：自动完成编码、归一化、分桶等操作
3. 特征组合器：支持交叉特征、组合特征等高级操作

来看个最简单的例子：

import tensorflow as tf

# 定义特征列
age = tf.feature_column.numeric_column('age')
gender = tf.feature_column.categorical_column_with_vocabulary_list(
    'gender', ['男', '女']
)

# 把特征列传给模型
feature_columns = [age, gender]

# 创建输入函数
def input_fn():
    # 模拟数据
    data = {
        'age': [25, 30, 35],
        'gender': ['男', '女', '男']
    }
    labels = [0, 1, 0]
    return tf.data.Dataset.from_tensor_slices((data, labels)).batch(2)

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.DenseFeatures(feature_columns),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

model.compile(optimizer='adam', loss='binary_crossentropy')
model.fit(input_fn, epochs=5)

看到没？DenseFeatures层直接接收特征列，自动完成所有预处理。你不需要写任何编码逻辑。

我记得刚开始用特征列时，总觉得它多此一举。后来发现，它最大的价值是让数据预处理变得可维护、可测试。你想想看，一个项目里可能有几十个特征，每个特征的处理逻辑都写在特征列里，一目了然。

最后总结一下：

角色	说明	示例
数据描述者	定义字段类型和取值范围	numeric_column('age')
预处理执行者	自动完成编码、归一化	categorical_column_with_vocabulary_list
特征组合器	支持交叉特征、组合特征	crossed_column

下一章，我们会深入每种特征列的用法。到时候我会分享一些实战中的小技巧，比如怎么处理缺失值、怎么选择embedding维度。敬请期待。