金融科技场景下基于高斯过程的内在可解释模型构建方法

本发明提供一种金融科技场景下基于高斯过程的内在可解释模型构建方法，该方法中利用方差分析方法，首先对输入数据集进行预处理，计算出特征及交互的Sobol指数作为特征重要性量化值；在交互捕捉过程中使用正交约束，限制了二阶交互的系数范围，使模型能够学习到正确的交互重要性；在形状函数选择上，使用RFF方法实现的GP模型，该模型效果接近于单层神经网络，同时也拥有GP模型的优点。通过该方法构建的内在可解释模型有更精确的解释、更高的可解释性，同时训练时间大幅缩短，训练效率得到提高。