我有以下问题。我用Keras建立了一个神经网络。这是我数据帧的一部分。 我的数据帧看起来像:
Id MainCl Class Other Options...
1016178069 0 30 1
1016178012 0 25 0
我的结果向量给出了结果被分类的概率。 示例:
^{pr2}$现在是主要问题: 有没有一种方法可以获得对结果负责的特性的最大概率? 比如:
Prob_isClass_A Prob_isClass_b Most_Probability_Reason Probability
0.756686 0.243314 Main_CL_Feature 0.75
0.999843 0.000157006 Class_Feature 0.8
0.999818 0.000182159 Other_Option_Feature 0.7
如果我理解你的问题,你想要的是每个样本的第一个特征重要性。。。在
keras不支持功能重要性。你必须在树模型中寻找类似的东西。此外,你还需要更多的东西,据我所知,还没有实现,也可能不会实现。在
我在Feature Importance Chart in neural network using Keras in Python回答了一个相关的问题。我在这里能看到的唯一区别是,与其寻找集成度量的特征重要性的解释,不如希望每个单独预测的特征重要性。在本例中,同一个包ELI5具有可以解释eli5.sklearn.explain_prediction中单个预测的函数。我还没有必要使用这个功能,但是那里的文档看起来很简单。在
相关问题 更多 >
编程相关推荐