一种基于改进XGBoost的材料去除深度预测方法

本发明涉及机器学习技术领域，尤其是涉及一种基于改进XGBoost的材料去除深度预测方法。该方法首先采集磨抛加工数据集，并将其划分为训练集和测试集；对数据集进行预处理后，采用改进的白鹭群优化算法（IESOA）对极端梯度提升算法（XGBoost）的超参数进行寻优，以此建立材料去除深度的预测模型；最后，基于Shapley加性解释（SHAP）方法量化各磨抛工艺参数对材料去除深度的贡献度，实现模型决策过程的可视化分析。本发明能够显著提高磨抛加工材料去除深度的预测精度，并通过可解释性分析明确各工艺参数的影响机制，兼具高预测精度与决策可解释性的双重优势。