我有一个用于二元分类的非常简单的CSV数据集，格式如下：

"feature1","feature2","label"1,0,10,1,0...

其中"label"列表示类别（1为正类，0为负类）。特征的数量实际上很大，但这对这个问题来说并不重要。

这是我读取数据的方式：

train = pandas.read_csv(TRAINING_FILE)y_train, X_train = train['label'], train[['feature1', 'feature2']].fillna(0)test = pandas.read_csv(TEST_FILE)y_test, X_test = test['label'], test[['feature1', 'feature2']].fillna(0)

我想在这个数据上运行tensorflow.contrib.learn.LinearClassifier和tensorflow.contrib.learn.DNNClassifier。例如，我这样初始化DNN：

classifier = DNNClassifier(hidden_units=[3, 5, 3],                               n_classes=2,                               feature_columns=feature_columns, # ???                               activation_fn=nn.relu,                               enable_centered_bias=False,                               model_dir=MODEL_DIR_DNN)

那么，当所有特征都是二元的（只有0或1两种可能的值）时，我应该如何创建feature_columns呢？

这是模型训练的代码：

classifier.fit(X_train.values,                   y_train.values,                   batch_size=dnn_batch_size,                   steps=dnn_steps)

用输入函数替换fit()参数的解决方案也将非常好。

谢谢！

P.S. 我使用的是TensorFlow 1.0.1版本

回答：

你可以直接使用tf.feature_column.numeric_column :

feature_columns = [tf.feature_column.numeric_column(key = key) for key in X_train.columns]