我有一个二进制分类问题,对于每个数据点,我有以下3个时间序列。
data_point,time_series1,time_series2,time_series3,label
d1,[0.1,.....,0.5],[0.8,0.6],0.8],1
and so on
我正在使用以下代码执行我的二进制分类。
model = Sequential()
model.add(LSTM(100,input_shape=(25,4)))
model.add(Dense(50))
model.add(Dense(1,activation='sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
因为,目前我正在考虑将其归类为黑匣子任务,所以我想更深入地研究一下内部发生的事情。
更具体地说,我想知道LSTM用于对我的数据点进行分类的重要功能。更重要的是,我想回答以下问题;
- 哪个时间序列(即
time_series1
,time_series2
,time_series3
)在分类中的影响最大 - 从受影响最大的时间序列中提取的特征是什么?
很高兴在需要时提供更多详细信息。