我有以下问题。我和凯拉斯建立了一个神经网络。这是我数据框架的一部分。
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可以被分类的概率。
例子:
Prob_isClass_A Prob_isClass_b
0.756686 0.243314
0.999843 0.000157006
0.999818 0.000182159
现在主要问题是:
有没有办法获得对结果负责的特性的最高概率?
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
最佳答案
如果我理解你的问题,你需要像每个样品的特征重要性的第一个分别。。。
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,尚未实现,可能不会。
关于python - keras的功能重要性,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/47713596/