tf.feature_column仅声明输入格式，不执行清洗转换；真正自动化特征工程需将填充NaN、类别清洗、Normalization层adapt等逻辑固化进tf.data.map流水线，并用可保存状态的TF层封装参数以确保训练推理一致。
tf.feature_column 不是自动化工具，它只是声明协议。真正在 TensorFlow 里做“自动化特征工程”，核心不是靠某一个函数，而是把清洗、编码、归一化逻辑固化进 tf.data.Dataset.map 流水线，并用 tf.keras.layers.Normalization、tf.lookup.StaticHashTable 等可保存状态的层封装参数。
为什么不能直接用 pd.DataFrame + tf.feature_column？
常见错误现象：InvalidArgumentError: Nan in summary histogram 或 ValueError: Feature age is not in features dictionary——这是因为 tf.feature_column 从不触碰原始数据：它不填 NaN、不转类型、不建 vocab 表，只在 tf.keras.layers.DenseFeatures 运行时对已就绪的张量做轻量转换。
你喂进去的必须是键名完全匹配、dtype 正确、无缺失值的字典张量。Pandas 清洗后转 tf.data.Dataset.from_tensor_slices(dict) 看似可行，但训练/推理 pipeline 不一致，且无法导出为 SavedModel。
- 数值列（如
"age"）必须提前用tf.where(tf.math.is_nan(x), tf.constant(35.0), x)填充，不能依赖numeric_column(default_value=...)——该参数只在解析 TFRecord 时生效 - 类别列（如
"city"）若含空字符串或None，categorical_column_with_vocabulary_list会直接报错；得先用tf.strings.regex_replace或tf.where统一转成"unknown" - 所有列名必须和
feature_column中的key字符串严格一致，大小写、下划线都不能差
tf.data.Dataset.map 里怎么写可复用的清洗函数？
推荐用纯 TF op 写解析函数，避免 tf.py_function（会退出图模式，无法导出）。例如读 CSV 后统一处理：
def parse_csv_row(line):
fields = tf.io.decode_csv(line, record_defaults=DEFAULTS)
features = dict(zip(COLUMN_NAMES, fields))
# 数值清洗
features["age"] = tf.strings.to_number(features["age"], out_type=tf.float32)
features["age"] = tf.where(tf.math.is_nan(features["age"]), tf.constant(35.0), features["age"])
features["age"] = tf.clip_by_value(features["age"], 0.0, 100.0)
# 类别清洗
features["city"] = tf.where(tf.equal(features["city"], ""), "unknown", features["city"])
features["city"] = tf.strings.lower(features["city"])
return features, features.pop("label")
之后链式调用：dataset = tf.data.TextLineDataset("train.csv").skip(1).map(parse_csv_row)。这样每条样本都在送入模型前被确定性处理，分布式训练、prefetch、repeat 都能对齐。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
如何让归一化和词汇表参数可固化、可部署？
Normalization 层必须在训练集上 adapt()，且状态要随模型一起保存；StaticHashTable 比 categorical_column_with_vocabulary_list 更可控，尤其当线上推理 vocab 和训练不一致时。
- 数值标准化：显式调用
norm_layer.adapt(train_dataset.map(lambda x, y: x["age"]))，然后在模型中直接使用该 layer，不要在 map 里手动除均值减方差 - 类别映射：构建
tf.lookup.StaticHashTable，传入keys=tf.constant(vocab_list)和values=tf.constant(range(len(vocab_list)))，再用table.lookup(features["city"])替代categorical_column - 保存时必须用
model.save("path", save_format="tf")，否则Normalization的 mean/var 或StaticHashTable的 lookup 表不会被序列化
哪些“自动化”方案实际不可靠？
AutoML 库（如 auto_ml.Predictor）在 TensorFlow 生态里基本是黑盒，不兼容 tf.data 流水线，也无法控制底层张量 shape 和 dtype；而 sklearn.preprocessing + tf.convert_to_tensor 会导致训练/推理不一致，且无法适配 TPU 分片。
真正端到端可控的“自动化”，是指把所有预处理逻辑写成可 trace、可 adapt、可 save 的 TF layer 或 map 函数——不是省代码，而是省掉线上预测结果漂移、训练静默失败这类更贵的问题。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
