一种机器学习有监督模型解释方法、系统及设备

摘要

本发明公开了一种机器学习有监督模型解释方法、系统及设备，涉及机器学习技术领域，将包括若干特征值的数据输入到训练好的、给定有监督的机器学习模型中，并得到机器学习的输出结果，对输出结果相同的数据进行层次聚类，剔除每一簇中的非典型特征值，并用空值填补被剔除的特征值，并进行特征值的聚类分箱，得到特征值的主要分布区间为对应特征取值进行簇标签构建，使用数学期望算法计算各个特征值对所述输出结果的影响，最后可视化展示，是一种基于聚类方法、采用与模型无关的解释方法，对给定有监督机器学习模型，结合样本数据和模型评估结果就能对模型进行解释，还能指导模型的改进的解释方法和系统，以及对应的计算机和存储介质。