小编Koe*_*oen的帖子

我正在尝试创建一个小的双向递归神经网络。模型本身编译时没有错误，但是在尝试拟合模型时出现错误，指出应该首先编译。请参见下面的代码片段：

# fourth recurrent model, bidirectional
bidirectional_recurrent = Sequential()
bidirectional_recurrent.add(Bidirectional(GRU(32, input_shape=(int(lookback/steps), data_scaled.shape[-1]))))
bidirectional_recurrent.add(Dense(1))

bidirectional_recurrent.compile(optimizer='rmsprop', loss='mae')

bidirectional_recurrent_history = bidirectional_recurrent.fit_generator(train_gen, steps_per_epoch=500, epochs=40,
                                               validation_data=val_gen, validation_steps=val_steps)

RuntimeError：必须先编译模型，然后再使用它。

我使用相同的设置来训练单向RNN，效果很好。任何帮助解决运行时错误的技巧都将受到赞赏。（重新启动内核没有帮助）
也许我没有正确实例化“双向”？

请注意：此问题与在“ X”类型的问题之前需要编译吗？
注2：可以在此处找到相同代码的R示例

查看 shap 库，我遇到了这个问题，其中答案展示了瀑布图，简洁！看看这里和这里的一些官方示例，我注意到这些图也展示了这些功能的价值。

shap 包包含shap.waterfall_plot和shap.plots.waterfall，在 Iris 数据集上训练的随机森林上尝试两者都得到了相同的结果（请参阅下面的一个代码和图像示例）

for which_class in y.unique():
display(
    shap.waterfall_plot(shap.Explanation(values=shap_values[int(which_class)][idx], 
                                         base_values=explainer.expected_value[int(which_class)], 
                                         feature_names=X_test.columns.tolist())
                       )
)

其中idx表示我试图解释的测试集中的一个样本。该代码为其中一个类生成以下图：

如何让绘图也显示特征值？我没有看到任何可以传递给绘图方法的其他参数

任何帮助是极大的赞赏！