在实际的业务中，可能会遇到很大量的特征，这些特征良莠不齐，层次不一，可能有缺失，可能有噪声，可能规模不一致，可能类型不一样，等等问题都需要我们在建模之前，先预处理特征或者叫清洗特征。那么这清洗特征的过程可能涉及多个步骤可能比较复杂，为了代码的简洁，我们可以将所有的预处理过程封装成一个函数，然后直接往模型中传入这个函数就可以啦~~~
接下来我们看看究竟如何做呢？
1. 如何使用input_fn自定义输入管道
当使用tf.contrib.learn来训练一个神经网络时，可以将特征，标签数据直接输入到.fit(),.evaluate(),.predict()操作中。比如在笔记04中就使用到了，复看一下代码：
# 将特征与标签数据载入
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
filename=IRIS_TRAINING, target_dtype=np.int, features_dtype=np.float32)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
filename=IRIS_TEST, target_dtype=np.int, features_dtype=np.float32)
# 然后将两个数据喂给.fit()函数去训练
classifier.fit(x=training_set.data,
y=training_set.target,
steps=2000)当原始数据不需要或几乎很少需要一些额外的预处理时，使用以上的方式到也不为过。然而在实际的业务中我们往往需要去做大量的特征工程，于是tf.contrib.learn支持使用一个用户自定义的输入函数input_fn来封装数据预处理的逻辑，并且将数据通过管道输送到模型中。
1.1 解剖input_fn函数的结构
以下是一个input_fn函数的基本结构：
def my_input_fn():
# Preprocess your data here...(首先预处理你的数据）
# ...then return 1) a mapping of feature columns to Tensors with
# the corresponding feature data, and 2) a Tensor containing labels
# 然后返回新的特征数据与标签数据（都是以tensor的形式）
return feature_cols, labels输入函数的主体包括一个特定的预处理输入数据的逻辑，比如去除一些脏数据，弥补缺失数据，归一化等等。
输入函数的返回是两个部分：
（1）处理后的特征：feature_cols，格式是一个map，key是特征的名称，value是tensor形式的对应的特征列数据
（2）标签数据：labels，一个包含标签数据的tensor
1.2 如何将特征数据转换成tensors形式
如果你的特征/标签是存储在pandas的dataframe中或者numpy的array中的话，你就需要在返回特征与标签的时候将它们转换成tensor形式哦~那么怎么转换呢，来看一个小例子。
对于连续型数据，你可以使用tf.constant创建一个tensor:
feature_column_data = [1, 2.4, 0, 9.9, 3, 120]
feature_tensor = tf.constant(feature_column_data)
对于稀疏型数据，类别下数据，你可以使用tf.SparseTensor来创建tensor:
sparse_tensor = tf.SparseTensor(indices=[[0,1], [2,4]],
values=[6, 0.5],
dense_shape=[3, 5])
可见，tf.SparseTensor有3个参数，分别是：
（1）dense_shape
这是tensor的shape,比如dense_shape=[3，6],表示tensor有3*6共2个维度；dense_shape=[2,3,4]表示tensor有2*3*4共3个维度；dense_shape=[9]表示tensor有1个维度，这个维度里有9个元素。
（2）indices
表示在这个tensor中indices索引所在的位置是非0值，其余都是0值。比如[0,0]表示在第1行第1列的值非0.
(3)values
value是一个1维的tensor, 其元素与indices中的索引一一对应，比如indices=[[1,3], [2,4]]，values=[18, 3.6]，表示在行索引为1列索引为3的位置值为18，在行索引为2列索引为4的位置值为3.6
因此上面的代码意思一目了然了，创建一个稀疏tensor,大小是3*5，在行索引为0列索引为1的位置值为6，在行索引为2，列索引为4的位置值为0.5，其余位置值为0.
打印出来应是：
[[0, 6, 0, 0, 0]
[0, 0, 0, 0, 0]
[0, 0, 0, 0, 0.5]]
1.3 如何将input_fn数据传给模型
在输入函数input_fn中封装好了特征预处理的逻辑，并且也返回了新的特征与标签。那怎么把这个输入函数或者说新的特征与标签传入模型中呢？
在.fit()操作中有一个参数：input_fn，只要将我们定义好的输入函数传给这个参数即可：
classifier.fit(input_fn=my_input_fn, steps=2000)
但是，极其注意的是绝不能直接这样做：
classifier.fit(input_fn=my_input_fn(training_set), steps=2000)
如果你想直接传参数给输入函数，可以选择令爱几个方法：
（1）再写一个封装函数如下：
def my_input_function_training_set():
return my_input_function(training_set)
classifier.fit(input_fn=my_input_fn_training_set, steps=2000)
（2）使用Python's functools.partial方法：
classifier.fit(input_fn=functools.partial(my_input_function,
data_set=training_set), steps=2000)
（3）在lambda中调用输入函数，然后将参数传入input_fn中
classifier.fit(input_fn=lambda: my_input_fn(training_set), steps=2000)个人建议使用第三种方法。
2.案例实战
2.1 数据介绍
数据集下载地址：https://archive.ics.uci.edu/ml/datasets/Housing
这是一份预测房价的数据，我们用它去训练一个神经网络去预测房价，总共选取9个特征，数据的特征如下：
要预测的标签数据是MEDV,是业主自用住宅的价格均值。
在开始建模之前，我们先去下载好 boston_train.csv（训练集）, boston_test.csv（测试集）, and boston_predict.csv（预测集）这份文件
2.2 加载数据
首先导入需要的库（包括pandas, tensorflow),并且设置logging verbosity为INFO，这样就可以获取到更多的日志信息了。
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import itertools
import pandas as pd
import tensorflow as tf
tf.logging.set_verbosity(tf.logging.INFO)定义一个变量COLUMNS，将所有的特征名称与类别标签名称存储成list并赋值给他。
为了区分特征名称与标签名称，同时也将它们分别春初一个变量
COLUMNS = ["crim", "zn", "indus", "nox", "rm", "age",
"dis", "tax", "ptratio", "medv"]
FEATURES = ["crim", "zn", "indus", "nox", "rm",
"age", "dis", "tax", "ptratio"]
LABEL = "medv"然后，将三份数据文件都用pandas.read_csv载入：
第一个参数是数据文件的路径，第二个参数是是否需要取出前后空值，第三个参数是去除的行数，第四个参数是列名
training_set = pd.read_csv("boston_train.csv", skipinitialspace=True,
skiprows=1, names=COLUMNS)
test_set = pd.read_csv("boston_test.csv", skipinitialspace=True,
skiprows=1, names=COLUMNS)
prediction_set = pd.read_csv("boston_predict.csv", skipinitialspace=True,
skiprows=1, names=COLUMNS)2.3 定义特征列并且创建回归模型
现在创建一组FeatureColumn作为输入数据，正式指定哪些特征需要被用来训练。在我们的房价预测特征中所有数据都是连续型的值，因此你可以直接使用tf.contrib.layers.real_valued_column()来创建FeatureColumn
feature_cols = [tf.contrib.layers.real_valued_column(k)
for k in FEATURES]
接着我们来调用DNNRegressor函数实例化一个神经网络回归模型。
这里需要提供3个参数：
feature_columns：一组刚刚定义的特征列
hidden_units：每层隐藏层的神经网络个数
model_dir：模型保存的路径
regressor = tf.contrib.learn.DNNRegressor(feature_columns=feature_cols,
hidden_units=[10, 10],
model_dir="/tmp/boston_model")
2.4 构建输入函数input_fn
这里我们构建一个输入函数去预处理数据，处理的内容比较简单，只是将用pandas读进来的dataframe形式的数据转换成tensor.
def input_fn(data_set):
feature_cols = {k: tf.constant(data_set[k].values)
for k in FEATURES}
labels = tf.constant(data_set[LABEL].values)
return feature_cols, labels2.5 训练模型
训练模型，我们调用fit()函数，并且将训练数据集training_set作为参数传入
regressor.fit(input_fn=lambda: input_fn(training_set), steps=5000)
运行代码，你会看到有如下日志打印：
INFO:tensorflow:Step 1: loss = 483.179
INFO:tensorflow:Step 101: loss = 81.2072
INFO:tensorflow:Step 201: loss = 72.4354
...
INFO:tensorflow:Step 1801: loss = 33.4454
INFO:tensorflow:Step 1901: loss = 32.3397
INFO:tensorflow:Step 2001: loss = 32.0053
INFO:tensorflow:Step 4801: loss = 27.2791
INFO:tensorflow:Step 4901: loss = 27.2251
INFO:tensorflow:Saving checkpoints for 5000 into /tmp/boston_model/model.ckpt.
INFO:tensorflow:Loss for final step: 27.1674.2.6 评估模型
模型训练好，就到了评估的时刻了，还是用测试数据集test_set来评估
ev = regressor.evaluate(input_fn=lambda: input_fn(test_set), steps=1)
提取损失并打印：
loss_score = ev["loss"]
print("Loss: {0:f}".format(loss_score))
打印结果应如下：
INFO:tensorflow:Eval steps [0,1) for training step 5000.
INFO:tensorflow:Saving evaluation summary for 5000 step: loss = 11.9221
Loss: 11.922098
2.7 使用模型做预测
模型要是评估通过，就可以用来预测新的数据了呢，这里我们使用prediction_set这个数据集，数据中只包含了特征没有标签，需要我们去预测。
y = regressor.predict(input_fn=lambda: input_fn(prediction_set))
# .predict() returns an iterator; convert to a list and print predictions
predictions = list(itertools.islice(y, 6))
print ("Predictions: {}".format(str(predictions)))打印结果如下：
Predictions: [ 33.30348587 17.04452896 22.56370163 34.74345398 14.55953979
19.58005714]
