如何使用innvestigate工具包针对表格数据实现LRP并可视化？

一、可视化错误原因与解决方案 #

你遇到的TypeError: Invalid shape (10,) for image data是因为plt.imshow()仅支持2D（图像H×W）或3D（H×W×3/4）数组，而表格数据的LRP分析结果是1D特征相关性数组，直接使用imshow不符合要求。以下是两种适配方案：

方案1：条形图（更适合非技术用户） #

条形图能直观展示每个特征的贡献大小与正负，比热力图更易理解：

import matplotlib.pyplot as plt
import numpy as np

# 替换为你的实际特征名称，无名称可用索引替代
feature_names = [f"Feature {i+1}" for i in range(analysis.shape[1])]
scores = analysis.squeeze()  # 获取单个样本的1D相关性分数

plt.figure(figsize=(10,6))
# 正贡献用红色，负贡献用蓝色
bars = plt.bar(feature_names, scores, color=np.where(scores>0, '#ff4444', '#33b5e5'))
plt.title("LRP特征贡献度（单样本）")
plt.xlabel("特征")
plt.ylabel("相关性分数")
plt.xticks(rotation=45)
# 为每个条形添加数值标签
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height:.2f}', ha='center', va='bottom')
plt.tight_layout()
plt.show()

方案2：转2D数组实现热力图 #

若坚持使用热力图，可将1D数组转为1×N的2D矩阵：

import matplotlib.pyplot as plt

feature_names = [f"Feature {i+1}" for i in range(analysis.shape[1])]
heatmap = analysis.reshape(1, -1)  # 转为(1, 10)的2D数组

plt.figure(figsize=(10,2))
im = plt.imshow(heatmap, cmap="seismic", aspect='auto')
plt.xticks(range(len(feature_names)), feature_names, rotation=45)
plt.yticks([])  # 隐藏y轴（仅单个样本）
plt.title("LRP特征相关性热力图")
plt.colorbar(im, orientation='horizontal', pad=0.2)
plt.tight_layout()
plt.show()

二、innvestigate处理表格数据的注意事项 #

1. 模型输入形状无需修改：innvestigate支持全连接网络的表格数据输入（(batch_size, n_features)），不需要转成4D图像张量，你当前的分析器创建方式是正确的。
2. LRP变体选择：若LRPZ效果不稳定，可尝试带ε的LRP变体，提升鲁棒性：

LRP_analyzer = innvestigate.analyzer.LRPEpsilon(model, epsilon=1e-2)

3. 分析结果维度匹配：analyze()返回的结果形状与输入一致，输入(1, 10)则输出(1, 10)，squeeze()后得到1D数组是正常现象，并非工具不支持表格数据。

内容的提问来源于stack exchange，提问作者user19534996