特征与keras的重要性

问题描述 投票:1回答:2

我有以下问题。我用Keras创建了一个神经网络。这是我的dataFrame的一部分。我的DataFrame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可以对结果进行分类的概率。例:

Prob_isClass_A    Prob_isClass_b
0.756686          0.243314
0.999843          0.000157006
0.999818          0.000182159

现在回到主要问题:是否有办法获得对结果负责的特征的最高概率?喜欢:

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
python machine-learning keras analytics
2个回答
0
投票

如果我理解你的问题,你需要分别对每个样本的第一个特征重要性...

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,你需要更多的东西,据我所知,还没有实现,可能不会。


3
投票

我在Feature Importance Chart in neural network using Keras in Python回答了一个相关的问题。我在这里看到的唯一区别是,相反寻找对集合度量的特征重要性的解释,您需要每个单独预测的特征重要性。在这种情况下,相同的包ELI5具有可以解释eli5.sklearn.explain_prediction中的个体预测的功能。我还没有必要使用这个功能,但那里的文档似乎很简单。

© www.soinside.com 2019 - 2024. All rights reserved.