Weight_column值归一化

Question

我使用TensorFlow固定估计器从有利于最高分的情况（没有“好”或“坏”的答案，但根据情况要比另一个更好的答案）预测游戏动作。每种情况/动作样本的得分都代表了这一现实。得分包含在train_data中，用作权重，并在估算器中作为权重列传递。

1）我尝试了没有重量列的情况：该模型适合70％且有良好答案。该模型适用于主要示例，但不适用于边缘示例（剩余约20％...）]

2）我尝试了weight = exp（-score）。模型适合约45％，可以更好地处理边际示例，但与主要示例的准确性非常差。

[我认为我的体重秤[0.0001-5003.98]存在问题，最好的结果为0.0001，价值为5003.98。正则化的好方法是什么？

我读了公式weight =（score-mean（score））/ std（score）可以解决，但似乎不起作用

model = tf.estimator.LinearClassifier(feature_columns=feature_columns,
                                    optimizer=tf.train.AdamOptimizer(learning_rate=0.001, beta1= 0.9,beta2=0.99, epsilon = 1e-08,use_locking=False),
                                    weight_column=weights,
                                    n_classes=10,
                                    label_vocabulary=Action_vocab,
                                    model_dir='./Models/ActionPlayerModel20/',
                                    loss_reduction=tf.losses.Reduction.SUM_OVER_BATCH_SIZE,
                                    config=tf.estimator.RunConfig().replace(save_summary_steps=10))

weight = exp(-score)

我使用TensorFlow固定估计器从有利于最高分的情况（没有“好”或“坏”的答案，但根据情况要比另一个更好的答案）预测游戏动作。 ...

Answer 1

通过执行以下操作解决了重量问题（缩放）：