面向自定义分类器函数的解释实例的LimeTextExplainer MultiClass分类器

Question

exp = explainer.explain_instance(df_val_final.Description[idx],predproba_list,num_features=5, top_labels=2)

在执行LimeTextExplainer的explain实例时，上面的语句继续以下面的警告消息持续执行。只有当我中断内核时，执行才停止。

C:\ProgramData\Anaconda3\lib\site-packages\fastai\torch_core.py:83: UserWarning: Tensor is int32: upgrading to int64; for better performance use int64 input
  warn('Tensor is int32: upgrading to int64; for better performance use int64 input')
C:\ProgramData\Anaconda3\lib\site-packages\fastai\torch_core.py:83: UserWarning: Tensor is int32: upgrading to int64; for better performance use int64 input
 warn('Tensor is int32: upgrading to int64; for better performance use int64 input')
C:\ProgramData\Anaconda3\lib\site-packages\fastai\torch_core.py:83: UserWarning: Tensor is int32: upgrading to int64; for better performance use int64 input
  warn('Tensor is int32: upgrading to int64; for better performance use int64 input')

我想使用我自己的自定义分类器模型，因此我编写了一个分类器函数predproba_list，它返回下面类的预测概率的numpy数组是函数代码。

def predproba_list(test1) :
    pred = learn_clf.predict(test1)
    return np.array(pred[2])

pred2 vaue是张量(0.1423，0.2133，0.6444)，然后我将其转换为numpy数组。

请告知函数的返回值是否与explain实例的分类器函数所期望的一样，是什么导致代码继续执行而没有任何结果？

Answer 1

我也在和LimeTextExplainer做斗争，并且被你的问题绊倒了。predproba_list的返回值应该是一个浮点数数组。例如：

predproba_list('a') 

return:
array([[0.07965168, 0.07578776, 0.2927914 , 0.06609259, 0.03115178]])

我希望这能帮到你。