我正在尝试使用流处理神经网络张量的分类问题。我有一些连续变量特征和一些分类特征。使用 sklearn 的 StandardScaler 对连续特征进行归一化。对于分类特征，我使用了一系列嵌入特征，这些特征与我的连续特征连接在一起。

嵌入特征是这样创建的：

 airline = tf.feature_column.categorical_column_with_hash_bucket(
        'AIRLINE', hash_bucket_size=10)  

然后 ：

 tf.feature_column.embedding_column(airline, 8)

但是，我在选择嵌入功能输出大小时遇到了麻烦。我知道这会将我稀疏的一个热编码“航空公司”功能转换为大小为 8 的浮点向量。

我可以使用启发式方法来选择嵌入特征大小吗？

我的神经网络的准确率仍然停留在 31%。即使在 100 个 epoch 之后，它似乎也没有在学习。嵌入特征的大小是否会导致这种行为？