一种基于灵敏度分析的可解释模型训练方法

本发明公开了一种基于灵敏度分析的可解释模型训练方法，属于特定计算模型技术领域，包括：根据训练集样本数据进行模型训练，得到基线模型，根据测试集样本数据对基线模型进行评估，记录基准预测指标，其中样本数据包括多个变量；根据去除任一变量的训练集样本数据及测试集样本数据，进行模型重新训练及评估，得到与去除变量相对应的预测指标；根据预测指标与基准预测指标，得到去除变量的灵敏度，根据灵敏度得到多个关键变量，用于可解释模型的训练。本发明通过灵敏度分析筛选关键变量，构建可解释模型，替代黑箱模型，量化变量对预测的影响并提升模型稳定性；通过剔除冗余变量降低复杂度与过拟合风险，减少计算资源消耗。