我想制作一个可以用于概率预测的顺序模型

Question

我建立了一个模型，该模型可以同时为分类任务提供动态（时间序列）和静态特征。该模型可以完美运行，并提供预期的输出。问题是当我要评估模型并使用scikitlearn中的predict_proba绘制ROC和AUC曲线时。

我发现解决方案是使模型顺序化。如何依次使以下模型摆脱此属性错误。

我的模型架构：

mdl_input1 = Input(shape=(X_train.shape[1], X_train.shape[2]))
x = LSTM(100, activation='relu', return_sequences=True)(mdl_input1)
x = LSTM(100, activation='relu', return_sequences=True)(x)
x = LSTM(100, activation='relu', return_sequences=True)(x)
x = LSTM(100, activation='relu')(x)
x = Dropout(0.2)(x)
x = Dense(100, activation='relu')(x)
mdl_input2 = Input(shape=(X_stat_train.shape[1],))
concat = Concatenate([x, mdl_input2])
output = Dense(n_outputs, activation='softmax')(x)
model = Model(inputs=[mdl_input1, mdl_input2], outputs=output)

我得到错误的那一行：

y_probas = model.predict_proba([X_test, X_stat_test])

错误：

AttributeError: 'Model' object has no attribute 'predict_proba'

我的模型示意图：