发明

一种基于Lime算法的时序回归模型的局部解释方法2025

2024-04-21 07:47:27 发布于四川 8
  • 申请专利号:CN202410028443.5
  • 公开(公告)日:2025-08-19
  • 公开(公告)号:CN117909682A
  • 申请人:浙江大学
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。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117909682 A (43)申请公布日 2024.04.19 (21)申请号 202410028443.5 (22)申请日 2024.01.09 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 陈一宁 陈方科 史雨萌 高大为  (74)专利代理机构 杭州求是专利事务所有限公 司 33200 专利代理师 杨亚男 (51)Int.Cl. G06F 18/20 (2023.01) G06F 18/27 (2023.01) G06F 123/02 (2023.01) 权利要求书2页 说明书5页 附图2页 (54)发明名称 一种基于Lime算法的时序回归模型的局部 解释方法 (57)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 A 相关折线图。本发明能够实现对时间序列数据的 2 解释分析,得到对预测结果影响最大的时间段

最新专利