一种基于形式化方法的可信机器学习模型解释方法及装置

本发明公开了一种基于形式化方法的可信机器学习模型解释方法及装置，涉及人工智能技术领域，该方法包括获取目标机器学习模型及其输入特征值；采用形式化方法编译输入特征值，得到连续变量；对连续变量进行离散化，得到离散化后的输入特征值；将离散化后的特征值进行逻辑变量编译，得到形式化编译后的变量；根据模型的决策规则，简化形式化编译后的逻辑表达式，得到该表达式的质蕴含项，暨决策的规则根因；采用自然语言表示规则根因，得到模型的解释结果。本发明使用形式化方法进行可信机器学习模型的解释，相较于传统的解释方法，能更精确地揭示模型的决策的内在逻辑，从而提高模型解释的可靠性。