基于机器学习及SHAP理论的等效全电里程影响因素分析方法

本发明公开了一种基于机器学习及SHAP理论的等效全电里程影响因素分析方法，能够基于特征数据实现对对等效全电里程进行较为精准的预测。其技术方案为：用户真实行驶数据采集；行驶数据清洗和预处理；特征获取；特征标准化及特征选择，提高模型的泛化能力、预测精度和可解释性，为基于机器学习和SHAP理论的等效全电里程影响因素分析提供建模基础；进行超参数优化、回归模型训练、回归模型预测；回归模型误差分析；SHAP模型解释。