如何在tensorflow（python）中打印计算出的功能

我是一名大学生，刚刚开始学习Python，没有太多的编码经验，出于好奇一直在尝试TensorFlow。我知道在尝试这样一个雄心勃勃的项目之前，我应该更流利地学习python，但我真的很想通过实验来了解这一点

因此，我的目标是获取一个预先格式化的CSV，其中包含股票的RSI、RS、MACD和信号，然后如果该股票的价格在第二天上涨（相对于前一天）。它是否增加由1或0表示（1表示增加，0表示不变或减少），因此所有内容都是整数。我试图找到的是这些指标的组合导致了增长。增加与否由类别指示

到目前为止，我已经对模型进行了训练，测试了我的测试集，使其准确率达到89%，但我正在尝试打印它发现的导致增加的值的组合。那么，如何从已经计算过的已训练模型中打印Spy_标签（class）=1的Spy_特性呢

如果需要更多的信息，我很乐意提供，我只是觉得我的第一个项目在这方面遇到了困难。最重要的是，我真的很想学习更多关于Python和机器学习的知识，因此，如果能更多地解释如何进行类似的工作，我将不胜感激

import tensorflow as tf

import numpy as np
import pandas as pd
from tensorflow.keras import layers
from tensorflow.keras.layers.experimental import preprocessing
import matplotlib.pyplot as plt
from IPython.display import clear_output
from six.moves import urllib



#Data files
SPY_Training = pd.read_csv(r'C:\Users\matth\Downloads\Spy_training(noheader).csv',names=["RSI","RS","MACD","signal","Class"])
SPY_Test = pd.read_csv(r'C:\Users\matth\Downloads\Spy_test(noheader).csv',names=["RSI","RS","MACD","signal","Class"])

SPY_Test.shape[0], SPY_Training.shape[0]

SPY_Training.head()

SpyTest_features = SPY_Test.copy()
SpyTest_labels = SpyTest_features.pop('Class')

Spy_features = SPY_Training.copy()
Spy_labels = Spy_features.pop('Class')

Spy_features = np.array(Spy_features)
Spy_features

print(Spy_features)

Spy_model = tf.keras.Sequential([
    layers.Dense(64),
    layers.Dense(1)
])

Spy_model.compile(loss = tf.losses.MeanSquaredError(),
                  optimizer= tf.optimizers.Adam(),  metrics=['accuracy'])
Spy_model.fit(Spy_features, Spy_labels, epochs=10)

test_loss, test_acc = Spy_model.evaluate(SpyTest_features, SpyTest_labels, verbose=2)
print('Test accuracy:', test_acc)

---

在神经网络中，每个值都会对结果产生影响（正面或负面）

所有4个输入直接连接到64个隐藏单元，然后直接连接到1个输出单元。因此，我们不能预先说什么价值对产出有积极或消极的影响

---

您可以使用matplotlib/seaborn通过在值之间绘制多个图形来理解数据。

在神经网络中，每个值都会对结果产生影响（正或负）

所有4个输入直接连接到64个隐藏单元，然后直接连接到1个输出单元。因此，我们不能预先说什么价值对产出有积极或消极的影响

---

您可以使用matplotlib/seaborn通过在值之间绘制多个图形来理解数据。

因此，我会将layers.dense（64）减少到4，如果是这样，我应该放弃什么？你是说不可能看到4个输入的组合会导致1个输出吗？如果可能的话，我该怎么做才能达到那个终点呢？我想说的是，这不是神经网络的工作方式。如果你想了解他们，你可以从YouTube观看Andrew Ng的视频。对于任何机器学习任务，通过使用matplotlib绘制图形，您可以直接找到两个值的关系b/w，比如信号和类。因此，我会将layers.dense（64）减少到4，如果是，我应该放弃什么？你是说不可能看到4个输入的组合会导致1个输出吗？如果可能的话，我该怎么做才能达到那个终点呢？我想说的是，这不是神经网络的工作方式。如果你想了解他们，你可以从YouTube观看Andrew Ng的视频。对于任何机器学习任务，通过使用matplotlib绘制图形，可以直接找到与两个值（例如信号和类）的关系。