从 LSTM 到 Sklearn 模型的特征提取
Posted
技术标签:
【中文标题】从 LSTM 到 Sklearn 模型的特征提取【英文标题】：Feature extraction from LSTM to Sklearn models 【发布时间】：2020-11-12 02:07:56 【问题描述】：我有一个 LSTM 模型，我想从这个 LSTM 中提取特征以将其发送到随机森林或 Sklearn 上的逻辑回归。
model = tf.keras.Sequential()
inputs = tf.keras.Input(shape=(t+1, n_features))
x=tf.keras.layers.LSTM(128, dropout=0.1, return_sequences=True)(inputs)
x1=tf.keras.layers.LSTM(128, dropout=0.1, return_sequences=False)(x)
o=tf.keras.layers.Dense(3,activation='softmax')(x1)
model = tf.keras.Model(inputs = inputs, outputs = o)
所以我想使用 x1 作为我的随机森林的输入。 有什么想法吗？
谢谢:)
【问题讨论】：
【参考方案1】：只需创建一个具有所需输入/输出张量的模型。例如：
feat_extractor = tf.keras.Model(inputs=inputs, outputs=x1)
# Then, assuming X is a batch of input patterns:
feats = feat_extractor.predict(X)
【讨论】：
以上是关于从 LSTM 到 Sklearn 模型的特征提取的主要内容，如果未能解决你的问题，请参考以下文章
从 CNN（Xception 模型）中提取特征，我得到 IsADirectoryError？