如何检查 Tensorflow 线性分类器的特征权重？

Question

我正在尝试了解Large-scale Linear Models with TensorFlow 文档。文档激励这些模型如下：

线性模型比神经模型更容易解释和调试 网。 您可以检查分配给每个功能的权重来计算 找出对预测影响最大的因素。

所以我从随附的TensorFlow Linear Model Tutorial 中运行了扩展代码示例。特别是，我运行了example code from GitHub，并将model-type 标志设置为wide。这正确运行并生成了 accuracy: 0.833733，类似于 Tensorflow 网页上的 accuracy: 0.83557522。

该示例使用tf.estimator.LinearClassifier 来训练权重。然而，与引用的能够检查权重的动机相比，我在LinearClassifier documentation 中找不到任何函数来实际提取训练的权重。

问题：如何访问tf.estimator.LinearClassifier 中各个特征列的训练权重？我希望能够提取 NumPy 数组中的所有权重。

注意：我来自 R 环境，其中线性回归/分类模型具有 coefs 方法来提取学习权重。我希望能够在相同的数据集上比较 R 和 TensorFlow 中的线性模型。

Answer 1

使用 Estimator 训练模型后，您可以使用 tf.train.load_variable 从检查点检索权重。您可以使用tf.train.list_variables 查找模型权重的名称。

还有计划直接在 Estimator 中添加此支持。