走向多目标特征关联的解释

理解多个特征如何关联并贡献于特定目标，与理解每个特征如何贡献于特定结果同样重要。预测中单个特征的可解释性可通过多种方式处理；然而，在多目标预测中，获得特征值组合的可解释性较为困难。为解决此问题，我们提出了一种利用多标签的特定目标特征交互设计，以在农业场景中寻找最优特征组合。该设计的一个新颖之处在于识别了一种将特征解释与全局敏感性分析相结合的方法，以确保多目标场景下的组合优化。我们在初步实验中证明，使用两个农业数据集（一个涉及收获前家禽养殖实践与多重耐药性存在，另一个涉及收获后家禽养殖实践与食源性病原体）可以找到近似最优的特征值组合以实现期望结果。在我们的组合优化方法中，同时考虑了所有三种病原体，以解释有利于不同类型病原体生长的条件之间的相互作用。这些结果表明，基于解释的方法能够以比基线更少的迭代次数识别出减少病原体存在的特征组合。