问题标签 [lime]

我正在构建一个克林顿和特朗普推文的文本分类器（数据可以在Kaggle上找到）。

我正在使用quanteda包进行 EDA 和建模：

然后我定义解释器 - 这里没有问题：

但是，当我运行解释器时，即使在与 in 完全相同的数据集上，也会explainer出现错误：

predict.textmodel_nb_fitted(x, newdata = newdata, type = type, 中的错误：newdata 中的特征集与训练集中的特征集不同

quanteda和dfms有关系吗？老实说，我不明白为什么会发生这种情况。任何帮助都会很棒，谢谢！

这是我之前问题的修改版本：我正在尝试在我的quanteda文本模型上运行 LIME，该模型以特朗普和克林顿的推文数据为基础。我按照Thomas Pedersen 在他的Understanding LIME和@Weihuang Wong提供的有用SO 答案中给出的示例运行它：

但是当我运行解释器时......

...我收到以下错误：

UseMethod（“corpus”）中的错误：没有适用于“corpus”的方法应用于类“c（'dfm'，'dgCMatrix'，'CsparseMatrix'，'dsparseMatrix'，'generalMatrix'，'dCsparseMatrix'，' dMatrix'、'sparseMatrix'、'compMatrix'、'Matrix'、'xMatrix'、'mMatrix'、'Mnumeric'、'replValueSp')"

它可以追溯到corpus()申请newdata：

但我不明白为什么这会导致任何问题，因为新数据是文本向量？

感谢您的任何提示

使用 R 中的 Lime 包，我想解释一下我的 RF 模型。

我在 github 上看到了一个示例（向下滚动到“示例”部分）：（https://github.com/thomasp85/lime）

我尝试运行完全相同的代码，但使用我自己的数据（我的数据添加在下面）。但是，每次我收到同样的错误。有谁可以帮我离开这里吗？

我的理解是我的代码与示例中的代码完全相同，包括我的数据的 str()。出了什么问题？我怎样才能使这项工作？

请注意，我的目标变量是第一列（称为目标），并且我的所有数据都是二进制数据。

第一个警告：警告消息：1：不推荐在 tibble 上设置行名称。

第二个警告：警告消息：数据包含方差为零的数字列

和错误：

head(explanation) # 到目前为止还没有成功...

编辑 1删除了所有方差为 0 的列（如评论中所建议的那样）。但不幸的是，仍然是同样的错误。

我的数据：

所以我试图使用 LIME 来理解 R 中 logit 模型的预测。我知道我不需要，但我试图说明它对一个可以简单理解为起点的模型的作用一个演讲。

但是我在让这个工作时遇到了麻烦。我确信这是由于 model.predict 方面，但我的几个解决方案没有奏效。

基本上这是我想做的：

现在我得到了错误

但是在 'lime' 代码中移动我的 'type = "response"' 并不能解决它。

我已经尝试创建一个函数'predict_model.glm'，我认为可能会纠正这个问题，因为我在使用randomForest并让它工作时发生了什么：

但这似乎只会增加错误。

我确信这是因为我错过了“石灰”方面正在寻找的确切内容（因此我无法用“predict_model.glm”函数纠正这个问题），但我似乎无法在任何地方找到澄清。

任何帮助都会很棒，谢谢！

我正在尝试在 databricks 上并行化石灰框架，但无法这样做。我不知道如何，如果有人可以提供帮助，我如何发送对不同工人的每一个观察结果。

更明显的是来自石灰框架。

下面的代码：

Keras我有一个具有多类型输入数据的两类分类模型，其中我根据 1 个连续输入数据和 3 个分类输入数据预测 A 类和 B 类。在下面的虚拟示例中，continuous1、categorical1 和 categorical2 是 1D 张量，categorical3 是形状（样本、索引）的 2D 张量，长度为 num_index=20，并且是 one-hot 编码的。然后，我想使用 egLime来分析哪些数据输入对预测的贡献大于其他输入。我正在关注本教程，但由于我有多种输入数据，我遇到了一些困难。

由于我得到的错误消息lime::explain()似乎表明一些不匹配/缺少变量名称/标签，我创建并尝试了不同的输入（都产生了相同的错误）；

这三个都input_test导致了上述错误。我还尝试确保实际数据，特别是categorical3_tensor列名与input_test（即X1, X2, X3等）的列名匹配，但这也无济于事。

非常感谢任何建议/帮助！

我正在使用带有 Tesorflow 后端的 keras（使用 python 2.7），并且我在具有四个类的预训练 vgg16 模型之上构建了两个密集层。我在验证集上得到了相当不错的结果。现在我想用石灰来解释我的结果。

我导入了石灰包并在石灰 github 存储库https://github.com/marcotcr/lime/blob/master/doc/notebooks/Tutorial%20-%20Image%20Classification%20Keras.ipynb之后转换了我的一张图像。我的 path_list 包含一张照片。

然后

我收到此错误：

根据文档，“classifier_fn：获取图像列表并返回预测概率矩阵的函数”。我用 model_top.predict 替换了这个参数。如果我调用 predictions = model_top.predict(validation_data, batch_size=32)，我可以获得所有的预测

任何帮助，将不胜感激。

我打算使用 LIME 来解释梯度提升模型的结果。

这是我拥有的数据：

我正在使用的代码：

我得到的错误是：

我试图用LIME解释我的卷积神经网络在 Keras 中的输出。

我的神经网络是一个多类文本分类器，其中每个类都是独立的。因此，文本可以包含第 1 类和第 2 类或仅包含 1 类等。第五个“类”（无）用于文本中没有类的情况。

然而，虽然我设法用 Keras 和 Lime 解释了一个二元分类案例，但我无法得到具有独立类的多类案例。在这里找到了第一个帮助：

但是，我的代码不起作用，我从 Lime 收到内部错误，例如：“ValueError：找到样本数量不一致的输入变量：[5000, 100000]”

错误信息：

有谁知道我做错了什么？我很确定它与输入格式有关。

我收到 ValueError：没有为“lstm__input”提供数据。在执行lime::explain时需要每个键的数据：['lstm__input']

我有最新的石灰版本，并查看了与我的问题相关的所有主题。我有 LSTM 回归网络，训练和预测值没有任何问题。同样，我使用石灰预测值也没有任何问题：

到目前为止，一切正常。当我尝试运行下一行时：

我收到一个错误：

我想主要问题来自这样一个事实，即我的 NN 只需要 3-dim 矩阵predict_model（我在不能使用它。有没有人遇到过这样的问题？我该如何解决？