質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.91%

Deep learningをSHAPで説明したい

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 186

haruharu00

score 9

前提・実現したいこと

アヤメの分類をDeep learinigで行い、SHAPを使って
特徴変数の影響度の説明をしようと思っています。

Explainerを実装中に以下のエラーメッセージが発生しました。

プログラミングをはじめて半年ほどで、
初の質問ですので記入不足等あったらすみません。

発生している問題・エラーメッセージ

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/keras/engine/base_layer.py in assert_input_compatibility(self, inputs)
    309             try:
--> 310                 K.is_keras_tensor(x)
    311             except ValueError:

6 frames
ValueError: Unexpectedly found an instance of type `<class 'numpy.ndarray'>`. Expected a symbolic tensor instance.

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/keras/engine/base_layer.py in assert_input_compatibility(self, inputs)
    314                                  'Received type: ' +
    315                                  str(type(x)) + '. Full input: ' +
--> 316                                  str(inputs) + '. All inputs to the layer '
    317                                  'should be tensors.')
    318 

ValueError: Layer sequential_6 was called with an input that isn't a symbolic tensor. Received type: <class 'numpy.ndarray'>. Full input: [array([[-0.90068117,  0.55861082,…

該当のソースコード

#データセット読み込み
from sklearn import datasets
iris = datasets.load_iris()

from sklearn.model_selection import train_test_split as split
x_train, x_test, y_train, y_test = split(iris.data,iris.target,train_size=0.8,test_size=0.2)

import numpy as np
import pandas as pd


iris_data=pd.DataFrame(iris.data)
iris_label=pd.DataFrame(iris.target)

from sklearn import preprocessing

#mini-maxスケール変換
minimax_scale=preprocessing.MinMaxScaler(feature_range=(0,1))
iris_data=minimax_scale.fit_transform(iris_data)

#データの標準化
scaler=preprocessing.StandardScaler()
iris_data=scaler.fit_transform(iris_data)
iris_data=pd.DataFrame(iris_data)

import keras

onehot_label=keras.utils.np_utils.to_categorical(iris_label.astype('int32'),3)

X=iris_data
Y=onehot_label

X=np.asarray(X)
Y=np.asarray(Y)

print(X.shape)
print(Y.shape)

from sklearn.model_selection import train_test_split

x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.2,train_size=0.8,shuffle=True)

from keras.models import Sequential
from keras.layers.core import Dense, Activation

model=Sequential()

model.add(Dense(16, input_shape=(4,)))
model.add(Activation('relu'))

model.add(Dense(3))
model.add(Activation('softmax'))

model.compile(optimizer='adam', loss='categorical_crossentropy',
             metrics=['accuracy'])

hist=model.fit(x_train,y_train,
               epochs=50, 
               batch_size=1, 
               verbose=1,
               validation_data=(x_test,y_test))

#SHAPを用いた説明
import shap

explainer = shap.DeepExplainer(model,x_test)

試したこと

入力をSymbolic Tensorにしなければならない?ことは理解しました。
GradientExplainerにするとなぜかうまくいきました。

補足情報(FW/ツールのバージョンなど)

Google Colabでプログラミングをしています

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.91%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る