可解释分类方法、装置、存储介质及电子设备制造方法及图纸

本公开提供一种可解释分类方法、可解释分类装置、存储介质及电子设备，涉及数据处理技术领域。所述方法包括：将样本数据输入已经训练好的分类模型，得到用户对通信业务的满意度类别，样本数据为用户的通信记录数据；计算满意度类别的各影响因子的信息增益率；将信息增益率作为权值改进沙普利值计算公式，并计算得到第一沙普利值；基于样本数据及信息增益率权值拟合预建立的加权线性回归模型，得到第二沙普利值；基于第一沙普利值及第二沙普利值确定最终的沙普利值，并基于最终的沙普利值建立解释模型，以基于解释模型解释分类模型输出的满意度类别。本公开可以兼顾分类准确率和可解释性兼顾，解决了沙普利值在计算过程中的被平均化问题。

【技术实现步骤摘要】

本公开涉及数据处理，具体而言，涉及一种可解释分类方法、可解释分类装置、电子设备以及计算机可读存储介质。

技术介绍

1、现有技术中，通常采用传统机器学习算法或深度学习算法训练分类模型，以通过分类模型得到输入数据的类别，例如，将用户的通信记录数据输入训练好的分类模型，可以得到用户对通信业务的满意度分类。然而，上述传统机器学习方法虽然具有可解释性，但分类准确率低。上述深度学习方法分类准确率较高，但是由于算法本身的“黑盒”特性所带来的不可解释性，使其分类结果缺乏可行度，而且不利于后续处理。

2、为了解决以上问题，相关技术采用shap(shapley additive explanations，模型事后解释方法)解决深度学习方法的不可解释性。然而，现有技术采用shap法时，未考虑多影响因子共同作用的情况，影响分类模型的准确性，计算得到的沙普利值被平均化。此外，单一沙普利值在估计过程中受数据影响，会发生过拟合现象。

技术实现思路

1、本公开的目的在于提供一种可解释分类方法、可解释分类装置、电子设备以及计算机可本文档来自技高网...

【技术保护点】

1.一种可解释分类方法，其特征在于，包括：

2.根据权利要求1所述的可解释分类方法，其特征在于，所述将所述信息增益率作为权值改进沙普利值计算公式，包括：

3.根据权利要求2所述的可解释分类方法，其特征在于，所述基于所述样本数据及所述信息增益率拟合预建立的加权线性回归模型，得到第二沙普利值，包括：

4.根据权利要求3所述的可解释分类方法，其特征在于，所述基于所述第一沙普利值及所述第二沙普利值确定最终的沙普利值，并基于所述最终的沙普利值建立解释模型，包括：

5.根据权利要求1所述的可解释分类方法，其特征在于，所述分类模型的的训练方法，包括：...

【技术特征摘要】

1.一种可解释分类方法，其特征在于，包括：

2.根据权利要求1所述的可解释分类方法，其特征在于，所述将所述信息增益率作为权值改进沙普利值计算公式，包括：

3.根据权利要求2所述的可解释分类方法，其特征在于，所述基于所述样本数据及所述信息增益率拟合预建立的加权线性回归模型，得到第二沙普利值，包括：

4.根据权利要求3所述的可解释分类方法，其特征在于，所述基于所述第一沙普利值及所述第二沙普利值确定最终的沙普利值，并基于所述最终的沙普利值建立解释模型，包括：

5.根据权利要求...

【专利技术属性】
技术研发人员：罗春威，崔志顺，刘大洋，李虹，杨文俊，陆庆杭，陆南昌，
申请(专利权)人：中国移动通信集团广东有限公司，
类型：发明
国别省市：