keras - 有关LSTM Keras上置换重要性的问题

Question

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

model = Sequential()
model.add(LSTM(units=30,return_sequences= True, input_shape=(X.shape[1],421)))
model.add(Dropout(rate=0.2))
model.add(LSTM(units=30, return_sequences=True))
model.add(LSTM(units=30))
model.add(Dense(units=1, activation='relu'))

perm = PermutationImportance(model, scoring='accuracy',random_state=1).fit(X, y, epochs=500, batch_size=8)
eli5.show_weights(perm, feature_names = X.columns.tolist())

我运行LSTM只是为了查看包含400多个要素的数据集的要素重要性。我使用Keras scikit-learn包装器来使用eli5的PermutationImportance函数。但是代码正在返回

ValueError: Found array with dim 3. Estimator expected <= 2.

如果我使用 model.fit()，则代码可以平稳运行，但无法调试排列重要性的错误。有人知道怎么了吗？

Answer 1

eli5的scikitlearn实现(用于确定置换重要性)只能处理2d数组，而keras'LSTM图层则需要3d数组。该错误是known issue，但似乎尚无解决方案。

我知道这并不能真正回答您让eli5与LSTM配合使用的问题(因为目前无法使用)，但是我遇到了相同的问题，并使用了另一个名为 SHAP 的库来获取我的LSTM模型的功能重要性。这是我的一些代码，可帮助您入门:

import shap
DE = shap.DeepExplainer(model, X_train) # X_train is 3d numpy.ndarray
shap_values = DE.shap_values(X_validate_np, check_additivity=False) # X_validate is 3d numpy.ndarray

shap.initjs()
shap.summary_plot(
    shap_values[0], 
    X_validate,
    feature_names=list_of_your_columns_here,
    max_display=50,
    plot_type='bar')

这是您可以得到的图形示例:



希望这可以帮助。