面向電力系統(tǒng)智能分析的機器學習可解釋性方法研究(一)：基本概念與框架

摘要： 機器學習的可解釋性是其在電力系統(tǒng)領域安全、可靠應用的關鍵環(huán)節(jié)與重要基礎之一。針對電力系統(tǒng)智能分析的機器學習模型可解釋性方法進行初步探討。首先，闡述了機器學習模型可解釋性的基本概念、數(shù)學描述與相關評價維度；之后，梳理了實現(xiàn)機器學習可解釋的整體思路與技術路線，將可解釋方法分為建模前解釋、訓練后解釋與模型自解釋3大類，并對其在模型診斷、安全評估、數(shù)據(jù)糾偏、知識發(fā)現(xiàn)等場景的應用進行了分... （共21頁）