如何解决Python Keras LSTM功能顺序相关性
我想知道阵列上特征的顺序是否会干扰训练模型和验证分数。 例如，如果我有以下功能列表来训练我的模型：
[“ close”，“ close_returns”，“ log_returns”，“ open”，“ open_returns”，“ open_log_returns”]
如果我像这样颠倒顺序：
[“关闭”，“打开”，“ log_returns”，“ close_returns”，“ open_log_returns”，“ open_returns”]
这对预测模型有什么影响？还是排序指令干扰？ 如果顺序干扰。我怎么知道野兽的顺序？
我怎么知道确定功能与Keras上的lstm模型是否相关？
解决方法
要确定要素的相关性，可以使用几种方法，例如ALE，锚点，LIME和SHAP。从这些内容中，我推荐SHAP，因为它提供了非常漂亮且内容丰富的可视化效果，例如力，依赖性和特征重要性图。这是使用Keras LSTM for IMDB Sentiment Classification到Python笔记本的链接，其中针对该特定问题生成了力图。尽管如此，SHAP也可以应用于回归问题。这是SHAP API的另一个link，您可以在其中找到如何获取其他图。请记住，某些可视化是针对特定样本（如力图）生成的，而另一些则针对整个样本集（功能的重要性）的生成。
有关here的SHAP的工作方式以及其优点和缺点的信息。
,功能的顺序没有多大区别，因为每个功能都有一个单独的输出节点。
重要的是事件的顺序（行）。这是您将要使用模型进行建模和预测的序列。要确定要使用哪些功能，您必须知道要建模的内容。将它们全部放入将为您提供所有列的预测，但也可能会使模型更难以训练和优化。
因此，您应该考虑实际上需要在模型中包括哪些功能。例如，您可以从特征B推断特征A吗？如果是这样，则无需包含功能A，因为它易于计算。
那些不会增加太多信息的功能（如不经常更改的列）呢？他们有必要吗？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。