TSAI 包中的可解释性不起作用

Question

我正在尝试测试 TSAI 包中的可解释性方法，但没有用。我很困惑什么是输入参数。我的问题是时间序列二进制分类。但我需要可解释性作为要求。

我使用了包网页中的示例代码。你能帮我解决这个问题或直接使用另一个具有可解释性的时间序列分类模型吗？

培训

来自 tsai.basics 导入 *

X, y, 拆分 = get_classification_data('LSST', split_data=False)

tfms = [无，TSClassification()]

batch_tfms = TSStandardize(by_sample=True)

mv_clf = TSClassifier(X, y, splits=splits, path='models', arch="InceptionTimePlus", tfms=tfms, batch_tfms=batch_tfms, metrics=accuracy, cbs=ShowGraph())

mv_clf.fit_one_cycle(10, 1e-2)

mv_clf.export（“mv_clf.pkl”）`

推理

从 tsai.inference 导入 load_learner

mv_clf = load_learner("models/mv_clf.pkl")

probas, target, preds = mv_clf.get_X_preds(X[splits[1]],y[splits[1]])

可解释性

get_attribution_map

get_attribution_map (model=mv_clf, modules=mv_clf.inceptionblock, x=X[splits[1]], y=None, detach=True, cpu=False, apply_relu=True)

可解释性

get_attribution_map

get_attribution_map (model=mv_clf, modules=mv_clf.inceptionblock, x=X[splits[1]], y=None, detach=True, cpu=False, apply_relu=True)