0

所以我试图将石灰解释拟合到计算预测的 kerns 模型中。数据集本身包含 6 个属性，用于将每个实例分类为“通过”（1）或“失败”（0）

模型本身如下所示：

model = Sequential()
model.add(Dense(6, input_dim=6, activation="sigmoid"))
model.add(Dense(8, activation="sigmoid"))
model.add(Dense(1, activation="softmax"))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(X_train_ker, y_train_ker, epochs=20, use_multiprocessing=True)

对于 LIME 实现，我尝试使用与 sklearn 模型大致相同的参数。

explainer = lime_tabular.LimeTabularExplainer(
        training_data=np.array(X_train),
        feature_names=X_train.columns,
        class_names=[0, 1],
        mode='classification'
    )
X = X_test_ker.iloc[1]
exp = explainer.explain_instance(
    data_row=X,
    predict_fn=model_keras.predict_proba(X),
)

data = exp.as_pyplot_figure()
plt.tight_layout()
plt.show()

然而，这会产生以下 ValueError：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected axis -1 of input shape to have value 6 but received input with shape (None, 1)

有什么想法可以解决这个问题，以便我实际上对我的模型有一些有用的见解吗？

4

0 回答 0