Ich habe diesen Code geschrieben, um die Formwerte und die Wichtigkeit der Plotfunktion zu messen. Ich habe jedoch einen Fehler bekommen, wenn ich die Formwerte aufzunehmen habe. Ich habe das generierte Modell von Gen_Gru_Model_179.H5 verwendet. Mein Modell erwartet eine Form von (batch_size, time_steps, Funktionen), um Zeitreihenpreise vorherzusagen. Ist das Problem mit dem verwendeten Kerneltyp oder mit der verwendeten Dimension 3D?
Ich habe diesen Code geschrieben, um die Formwerte und die Wichtigkeit der Plotfunktion zu messen. Ich habe jedoch einen Fehler bekommen, wenn ich die Formwerte aufzunehmen habe. Ich habe das generierte Modell von Gen_Gru_Model_179.H5 verwendet. Mein Modell erwartet eine Form von (batch_size, time_steps, Funktionen), um Zeitreihenpreise vorherzusagen. Ist das [url=viewtopic.php?t=15738]Problem[/url] mit dem verwendeten Kerneltyp oder mit der verwendeten Dimension 3D?[code]import shap import tensorflow as tf import numpy as np import matplotlib.pyplot as plt
# Load the trained model model = tf.keras.models.load_model('gen_GRU_model_179.h5')
# Load your X_test data X_test = np.load("X_test.npy", allow_pickle=True) X_train = np.load("X_train.npy", allow_pickle=True) X_test = X_test[:50] X_train = X_train[:50]
# Reshape X_test to 2D X_test_reshaped = X_test.reshape(X_test.shape[0], -1) # Reshape to (50, 48)
# Create a callable for the model's prediction def model_predict(data): data_reshaped = data.reshape(data.shape[0], X_test.shape[1], X_test.shape[2]) # Reshape back to 3D return model.predict(data_reshaped)
# Select background data background_data = X_test_reshaped[np.random.choice(X_test_reshaped.shape[0], size=50, replace=False)]
# Create a KernelExplainer explainer = shap.KernelExplainer(model_predict, background_data)
# Plot the feature importance shap.summary_plot(shap_values, X_test_reshaped, feature_names=[f'Feature {i}' for i in range(X_test_reshaped.shape[1])]) < /code> Der Fehler lautet: < /p>
TypeError Traceback (most recent call last) Cell In[143], line 33 30 shap_values = explainer.shap_values(X_test_reshaped) 32 # Plot the feature importance ---> 33 shap.summary_plot(shap_values, X_test_reshaped, feature_names=[f'Feature {i}' for i in range(X_test_reshaped.shape[1])])
File ~/miniconda3/envs/tensorflow/lib/python3.9/site-packages/shap/plots/_beeswarm.py:595, in summary_legacy(shap_values, features, feature_names, max_display, plot_type, color, axis_color, title, alpha, show, sort, color_bar, plot_size, layered_violin_max_num_bins, class_names, class_inds, color_bar_label, cmap, show_values_in_legend, use_log_scale) 591 proj_shap_values = shap_values[:, sort_inds[0], sort_inds] 592 proj_shap_values[:, 1:] *= 2 # because off diag effects are split in half 593 summary_legacy( 594 proj_shap_values, features[:, sort_inds] if features is not None else None, --> 595 feature_names=feature_names[sort_inds], 596 sort=False, show=False, color_bar=False, 597 plot_size=None, 598 max_display=max_display 599 ) 600 pl.xlim((slow, shigh)) 601 pl.xlabel("")
TypeError: only integer scalar arrays can be converted to a scalar index [/code]
Ich arbeite derzeit an einem Projekt, das mich benötigt, um die formellen Werte von Spielern zu berechnen, die in eine Koalition eingehen. Ich habe die Wertfunktion geschrieben, habe mich aber...
Ich übertrage ein Repository an die Ansicht als mein Modell und in der Ansicht, mit dem Repository, kann ich einen Eintrag in die DB einfügen. Ich kann den Eintrag in der DB sehen, aber wenn ich...
Ich habe ein neuronales Netzwerk zur Objekterkennung mit Yolov5 ausgebildet und es in das ONNX -Format exportiert, da ich es in einer Java -Anwendung verwenden muss. Ich begegne jedoch Probleme mit...
Ich habe meinem Modell ein fremdes Schlüsselfeld hinzugefügt, rannte Makemigrations und migrieren ohne Probleme, aber wenn ich meine Datenbank über den DB -Browser überprüfe, überprüfe ich, überprüfe...
Während des Playwright-API-Tests konnte ich den API_URL-Wert für die angegebene Umgebung im Test nicht lesen.
mein globales Setup:
import * as dotenv from 'dotenv';
import fs from 'fs/promises';...