一种机器学习模型结果的内在解释方法

摘要

一种机器学习模型结果的内在解释方法，涉及数据分析领域，解决现有机器学习模型本身缺乏解释性的问题，包括以下步骤：S1，对输入的数据进行清洗和预处理；对输入的数据进行一致性检查，删除错误数据和无效数据，并进行缺失值填充；将分类变量转化为数值型变量；S2，对输入的数据进行内在可解释神经网络模型建模；S3，获取模型的全局解释和局部解释；S4，根据全局解释和局部解释，判断模型预测结果是否与实际业务相符，从而达到解释机器学习模型结果的目的；同时结合模型精准度指标，进一步提升模型的预测准确程度。解决了现有机器学习模型无法对预测结果解释的问题。