从LSTM到Sklearn模型的特征提取

Question

我有一个LSTM模型，我想从该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。 有什么主意吗？

谢谢：）

Answer 1

只需创建具有所需输入/输出张量的模型即可。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)