一种水质分类机器学习模型的特征选择方法

本发明公开了一种水质分类机器学习模型的特征选择方法，包括以下步骤：利用相关分析法对收集到的现场水质观测参数和卫星遥感数据进行分析，获得原始特征子集；采用沙普利加性解释法(SHAP)计算原始特征子集中各个特征对水质分类机器学习模型的贡献值，根据贡献值筛选排序在前面的特征作为初始优化特征子集；采用粒子群算法(PSO)对初始优化特征子集进行计算优化，得到最优特征子集。本发明设计了SHAP‑PSO优化算法来筛选机器学习算法所需的最优特征子集，显著提升了沿海水质分类遥感模型的精度。