从 LSTM 到 Sklearn 模型的特征提取

Question

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:)

Answer 1

只需创建一个具有所需 input/output 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)

从 LSTM 到 Sklearn 模型的特征提取

Feature extraction from LSTM to Sklearn models

python

scikit-learn

lstm

tensorflow