我问维度明智等我试图用随机森林实现这项惊人的工作https://www.kaggle.com/allunia/how-to-attack-a-machine-learning-model/notebook
逻辑回归和随机森林来自sklearn，但是当我从随机森林模型获得权重时（784，），而逻辑回归返回（10,784）
我的大多数问题主要是维度和NaN，无穷大或者对于使用攻击方法的dtype错误而言太大的值 . 使用逻辑回归的权重是（10,784），但随机森林它（784，）可能是这导致问题？或者你可以建议对攻击方法进行一些修改吗？我尝试了Imputer for NaN值的错误，但它想让我重塑一下，所以我有了这个 . 我尝试将np.mat应用于我得到的维度错误，但它们没有用 .
def non_targeted_gradient(target, output, w):
target = target.reshape(1, -1)
output = output.reshape(1, -1)
w = w.reshape(1,-1)
target = imp.fit_transform(target)
output = imp.fit_transform(output)
w = imp.fit_transform(w)
ww = calc_output_weighted_weights(output, w)
for k in range(len(target)):
if k == 0:
gradient = np.mat((1-target[k])) * np.mat((w[k]-ww))
else:
gradient += np.mat((1-target[k])) * np.mat((w[k]-ww))
return gradient
我可能做了很多错误，但 TL;DR 是我试图在上面的链接中应用随机森林而不是Logistic回归 .
Edit:
我为randomforestclassifier添加了一个包装器：
class RandomForestWrapper(RandomForestClassifier):
def fit(self, *args, **kwargs):
super(RandomForestClassifierWithCoef, self).fit(*args, **kwargs)
self.coef_ = self.feature_importances_