机器学习PAI easyrec做TagFeature特征输入时，怎么配置不做embedding层？

在机器学习PAI中，EasyRec处理TagFeature特征时，如果不想使用embedding层，而是直接将特征原值作为输入，可以通过以下步骤进行配置：

1. 首先，您需要创建一个RawFeature类型的字段，用于存储原始的标签信息。例如，如果您的标签信息是"体育，娱乐，科技"这样的字符串，那么您可以创建一个RawFeature类型的字段，将这些标签信息存储在这个字段中。

2. 然后，在模型配置中，找到对应的特征配置部分。在这里，您可以指定这个RawFeature类型的字段作为模型的输入特征。

3. 最后，由于您不想使用embedding层，所以在特征配置中，您需要将embedding_size设置为0。这样，模型在训练过程中就不会对这个特征进行embedding操作了。

通过以上步骤，您就可以实现在EasyRec中使用TagFeature特征，但不使用embedding层，而是直接将特征原值作为输入的配置了。

在阿里云的机器学习PAI（Platform for AI Innovation）中，如果你想在easyrec中使用TagFeature并且不进行embedding层，你可以直接在模型的定义文件中配置。

在PAI的easyrec模型中，TagFeature是一个特殊的特征，它不会被embedding层处理，而是直接被输入到模型中。你可以在模型的定义文件中设置is_tag_feature字段为True，这样就可以将这个特征设置为TagFeature。

以下是一个示例：

{
    "name": "EasyRec",
    "type": "EasyRecModel",
    "inputs": [
        {
            "name": "user_id",
            "type": "int64",
            "is_sparse": false,
            "is_tag_feature": true
        },
        {
            "name": "item_id",
            "type": "int64",
            "is_sparse": false,
            "is_tag_feature": true
        }
    ],
    "outputs": [
        {
            "name": "prediction",
            "type": "float32"
        }
    ]
}

在这个示例中，user_id和item_id都被设置为TagFeature，它们的值将被直接输入到模型中，而不经过embedding层。

可以尝试一下用 raw feature : https://easyrec.readthedocs.io/en/latest/feature/feature.html#rawfeature，此回答整理自钉群“【EasyRec】推荐算法交流群”

在使用机器学习PAI easyrec训练模型时，可以使用 TagFeature 类型来输入原始特征值。在训练时，TagFeature 类型可以将原始特征值转换为可训练的形式。此外，还需要将 tag_column 和 embedding_size 参数设置为适当的值。需要注意的是，TagFeature 不支持嵌套结构，只能用于字符串类型的特征。总之，在机器学习PAI easyrec中，可以使用 TagFeature 类型来输入原始特征，并将tag_column 和 embedding_size 设置为适当的值。