Python环境下一种可解释的机器学习技术-用于分析频域特征的贡献
该方法受排列特征重要性分析的启发,旨在从全局角度量化和分析时间序列预测模型的机理,附带参考论文。
import numpy as np
import matplotlib.pyplot as plt
from xgboost import XGBRegressor
t = np.linspace(0,10, 1000)
x1 = np.sin(2 * np.pi * 10 * t)
x2 = np.sin(2 * np.pi * 20 * t)
x3 = np.cos(2* np.pi * 50 * t)
面包多代码网页链接
X = np.vstack((x1, x2, x3)).T
y = 2*x1+x2+0.5*x3