'hash_bucket_size'パラメータを設定する原則は？

Question

質問1：wide_n_deep_tutorial.pyで

、そこ両方tf.feature_column.categorical_column_with_hash_bucketとtf.feature_column.crossed_column方法に対するhash_bucket_size名前ハイパーパラメータであり、その値はhash_bucket_size=1000あります。

なぜ1000？このパラメータの設定方法は？

質問2： 2番目の質問についてcrossed_columns、つまり、wide_n_deep_tutorial.pyで

crossed_columns = [ tf.feature_column.crossed_column(["education", "occupation"], hash_bucket_size=1000), tf.feature_column.crossed_column([age_buckets, "education", "occupation"], hash_bucket_size=1000), tf.feature_column.crossed_column(["native_country", "occupation"], hash_bucket_size=1000) ]

、

なぜcrossed_columnsとして["education", "occupation"]、[age_buckets, "education", "occupation"]と["native_country", "occupation"]を選択し、任意のルールがあります親指？

Answer 1

hash_bucketについては

一般的な考え方は、理想的には、ハッシュ関数の結果は、（そうでなければ/アルゴリズムの2つの場合を区別することはできません）任意の衝突が生じてはならないということです。したがって、1000はこの場合「単なる」値です。あなたは、この数が十分に高いことがわかります職業や国（16及び43）のための一意のエントリを見れば：

を横切る

edb@lapelidb:/tmp$ cat adult.data | cut -d , -f 7 | sort | uniq -c | wc -l 
16 
edb@lapelidb:/tmp$ cat adult.data | cut -d , -f 14 | sort | uniq -c | wc -l 
43 

機能を私は経験則があると思います特徴の組み合わせが実際に意味を持つならば、その交差は意味をなさない。この例では、教育と職業は関連しています。 2つめの場合、人々を「学位を持たない上級掃除スタッフ」と「ph.d」を持つ「ジュニアエンジニア」として定義するのはおそらく意味があります。別の典型的な例としては、経度と緯度の交差があります。なぜなら、それらは個別により意味があるからです。