申请/专利权人:浙江大学
申请日:2024-01-09
公开(公告)日:2024-04-19
公开(公告)号:CN117909682A
主分类号:G06F18/20
分类号:G06F18/20;G06F18/27;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种基于Lime算法的时序回归模型的局部解释方法,属于机器学习技术领域。包括:获取业务场景下的时序数据集和标签,所述时序数据集中的时序数据为多特征维度数据;利用业务场景下的时序数据集训练时序数据回归模型,训练后的时序数据回归模型能够根据输入的时序数据输出预测结果,并生成针对预测结果的解释;所述的生成针对预测结果的解释是指生成对预测结果影响靠前的子特征,以及生成对预测结果影响最大的特征;绘制影响最大的特征在各时间间隔下对预测结果产生影响的正负相关折线图。本发明能够实现对时间序列数据的解释分析,得到对预测结果影响最大的时间段及其特征,可用于指导调节对应业务场景下的生产参数。
主权项:1.一种基于Lime算法的时序回归模型的局部解释方法,其特征在于,包括:获取业务场景下的时序数据集和标签,所述时序数据集中的时序数据为多特征维度数据;利用业务场景下的时序数据集训练时序数据回归模型,训练后的时序数据回归模型能够根据输入的时序数据输出预测结果,并生成针对预测结果的解释;所述的生成针对预测结果的解释是指生成对预测结果影响靠前的子特征,以及生成对预测结果影响最大的特征;绘制影响最大的特征在各时间间隔下对预测结果产生影响的正负相关折线图。
全文数据:
权利要求:
百度查询: 浙江大学 一种基于Lime算法的时序回归模型的局部解释方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。