python - 在 Python 中使用 Keras 的神经网络中的特征重要性图

Question

我正在使用 python(3.6) anaconda (64 位) spyder (3.1.2)。我已经使用 keras (2.0.6) 为回归问题(一个响应，10 个变量)设置了一个神经网络模型。我想知道如何生成这样的特征重要性图表:

def base_model():
    model = Sequential()
    model.add(Dense(200, input_dim=10, kernel_initializer='normal', activation='relu'))
    model.add(Dense(1, kernel_initializer='normal'))
    model.compile(loss='mean_squared_error', optimizer = 'adam')
    return model

clf = KerasRegressor(build_fn=base_model, epochs=100, batch_size=5,verbose=0)
clf.fit(X_train,Y_train)

Answer 1

我最近在寻找这个问题的答案，并发现了一些对我正在做的事情有用的东西，并认为分享它会有所帮助。我最终使用了 permutation importance来自 eli5 package 的模块.它最容易与 scikit-learn 模型一起使用。幸运的是，Keras 提供了 wrapper for sequential models .如下代码所示，使用起来非常简单。

from keras.wrappers.scikit_learn import KerasClassifier, KerasRegressor
import eli5
from eli5.sklearn import PermutationImportance

def base_model():
    model = Sequential()        
    ...
    return model

X = ...
y = ...

my_model = KerasRegressor(build_fn=base_model, **sk_params)    
my_model.fit(X,y)

perm = PermutationImportance(my_model, random_state=1).fit(X,y)
eli5.show_weights(perm, feature_names = X.columns.tolist())