El modelo gráfico de TensorFlow fue diseñado para operaciones de tensor con gran soporte de funciones convexas. Sigue una estructura estrictamente definida e incluso agregarle una entidad mucho más simple será una tarea no trivial, ya que las operaciones se realizan realmente usando CUDA.
Lo más parecido que puede hacer es utilizar los resultados de xgboost como entradas para marcadores de posición TensorFlow, pero no puede optimizar su modelo XGB utilizando herramientas TF, por ejemplo. Probablemente pueda usar la importancia de las características de XGB para las capas de atención en TF, lo que podría ser una mejor idea que entrenar una red neuronal equivalente.
Para la selección de características, probablemente sería una buena idea implementar una red simple como un autoencoder en TF si es absolutamente necesario usarlo, pero incluir ese modelo en una arquitectura completa puede ser complicado.
- ¿Cuáles son los métodos de implementación con calidad de producción para los modelos de aprendizaje automático?
- ¿Cómo estimar la divergencia KL si no se conoce el posterior? En inferencia variacional, KL se utiliza para encontrar una distribución que se aproxime al verdadero posterior, pero el KL requiere conocer el posterior mismo. ¿Cómo se trata esto?
- ¿Cómo funciona la detección de rostros?
- ¿Qué elementos de los sistemas operativos generales de una organización deben ser compatibles y reforzarse mutuamente?
- Cómo modelar la siguiente situación probabilística
Debe haber una solución más simple, especialmente si está hablando de un proyecto de la industria.