[发明专利]一种模型预测的关键区域的分析方法及装置

权利要求书

1.一种模型预测的关键区域的分析方法，其特征在于，包括：

获取预测模型；

获取样本数据，并基于预测模型对样本数据进行遮盖实验，分别获得对样本数据进行遮盖实验前预测模型的输出数据和对样本数据进行遮盖实验后预测模型的输出数据；

根据对样本数据进行遮盖实验前预测模型的输出数据和对样本数据进行遮盖实验后预测模型的输出数据，计算遮盖区域的重要程度指标值；

根据所述重要程度指标值绘制图，获得模型预测的关键区域。

2.如权利要求1所述的模型预测的关键区域的分析方法，其特征在于，所述预测模型为深度学习模型；

所述获取预测模型，包括：

搭建预设的深度学习模型；

根据训练集的数据训练深度学习模型的参数；

根据验证集对训练后的深度学习模型的超参数进行验证、选择，获得目标深度学习模型，作为预测模型；其中，深度学习模型包括卷积神经网络和循环神经网络中的至少一种。

3.如权利要求1所述的模型预测的关键区域的分析方法，其特征在于，所述获取样本数据，并基于预测模型对样本数据进行遮盖实验，分别获得对样本数据进行遮盖实验前预测模型的输出数据和对样本数据进行遮盖实验后预测模型的输出数据，包括：

从测试集中获取满足预设条件的样本数据；

根据样本数据的维度建立对应的坐标系；

根据坐标系的类型建立对应尺寸的遮盖窗口，滑动所述遮盖窗口，对样本数据进行遮盖，分别获得对样本数据进行遮盖实验前预测模型的输出数据和对样本数据进行遮盖实验后预测模型的输出数据。

4.如权利要求3所述的模型预测的关键区域的分析方法，其特征在于，所述根据样本数据的维度建立对应的坐标系，包括：

若所述样本数据为一维序列信息，则沿序列方向建立一维坐标系，一维坐标系中起点为序列起点位置；

若所述样本数据为二维矩阵，则分别沿二维矩阵的两个维度建立二维坐标系，二维坐标系中起点为两个坐标轴的交点；

若所述样本数据为三维张量，则在三维空间上建立一个三维坐标系，三维坐标系中起点为三个坐标轴的交叉点。

5.如权利要求1所述的模型预测的关键区域的分析方法，其特征在于，所述根据对样本数据进行遮盖实验前预测模型的输出数据和对样本数据进行遮盖实验后预测模型的输出数据，计算遮盖区域的重要程度指标值，包括：

获取样本数据对应的真实回归值；

以对样本数据进行遮盖实验前预测模型的输出数据，作为第一输出数据；

以对样本数据进行遮盖实验后预测模型的输出数据，作为第二输出数据；

计算所述回归值与所述第一输出数据的差的绝对值，作为第一绝对值；

计算所述回归值与所述第二输出数据的差的绝对值，作为第二绝对值；

计算所述第二绝对值与扰动参数的和，并计算所述第一绝对值与所述和的商，作为遮盖区域的重要程度指标值；其中，所述扰动参数大于0。

6.如权利要求1所述的模型预测的关键区域的分析方法，其特征在于，所述根据所述重要程度指标值绘制图，获得模型预测的关键区域，包括：

计算坐标系中任一坐标对应的区域的重要程度指标值；

根据任一坐标和所述坐标对应的区域的重要程度指标值绘制成热力图；

获取热力图中的亮度值高于预设亮度阈值的像素区域作为模型预测的关键区域。

7.如权利要求6所述的模型预测的关键区域的分析方法，其特征在于，所述获取热力图中的亮度值高于预设亮度阈值的像素区域作为模型预测的关键区域之前，还包括：

将所述热力图与原始数据进行叠加处理，获得关键区域的可视化展示图。