基于RBF徑向基神經網絡多輸入單輸出回歸預測及SHAP可解釋分析的研究

摘要

在數據驅動的時代背景下，復雜數據關系中的回歸預測成為各領域決策的關鍵環節。RBF徑向基神經網絡憑借其在處理復雜非線性關系上的優勢，被廣泛應用于多輸入單輸出回歸預測任務中。然而，模型的復雜性往往導致其決策過程難以解釋，這在一定程度上限制了模型的可信度與應用范圍。為此，本研究旨在構建基于RBF神經網絡的回歸預測模型，并運用SHAP可解釋分析來增強模型的透明度。具體而言，通過介紹RBF神經網絡原理，構建適用于多輸入單輸出場景的預測模型，并利用SHAP方法對模型進行可解釋分析。研究發現，該方法不僅能有效提高預測精度，還能清晰揭示各輸入特征對預測結果的貢獻度，為實際決策提供有力支持。本研究對于推動RBF神經網絡在回歸預測領域的應用，以及提升模型的可解釋性具有重要意義。

關鍵詞: RBF徑向基神經網絡；多輸入單輸出；回歸預測；SHAP可解釋分析

1. 引言

1.1 研究背景