如何使用 CNN 找到在深度学习期间学到的最重要的特征？答案

【问题标题】：How to find the most important features learned during Deep Learning using CNN?如何使用 CNN 找到在深度学习期间学到的最重要的特征？
【发布时间】：2016-11-11 03:08:27
【问题描述】：

我按照site 给出的教程进行了操作，该教程详细介绍了如何使用 CNN 对电影数据集执行文本分类。它利用电影评论数据集来预测正面和负面评论。

我的问题是，有没有办法从模型中找到最重要的学习特征？ Tensorflow/Theano 是否对此有任何支持？

谢谢！

【问题讨论】：

不支持这一点，因为找到最重要的功能是您需要自己实现的，并且是模型的一部分。

标签： python tensorflow theano deep-learning

【解决方案1】：

警告：如果您可以将分类追溯到特定的输入特征，那么 CNN 很可能是您的应用程序的错误 ML 范式。大多数文本处理使用 RNN、词袋、二元语法和其他简单的线性组合。

CNN 的结构通常与识别单个特征的重要性是对立的。由于各种非线性层，很少有可能挑选出任何一个重要的特征；相反，输入的组合形成小的推理结构，然后卷积形成更复杂的结构，直到最终输出由一系列邻居关系、截断、池化和其他项目驱动。

这就是反向传播对于运行 CNN 如此重要的原因：因果链不完全反转。否则，我们会将过程简化为具有一个隐藏层的简单线性神经网络。

如果您想分析正在发生的事情，请尝试可视化您的中间层。有各种模块可以帮助解决这个问题；例如，尝试搜索“+theano +visualize +CNN -news”（最后是删除对有线电视新闻网的高流量引用）。图像处理中有很多例子；在您尝试之前，我们不会知道它对您的文本处理有多大帮助。

【讨论】：