一种基于证据融合的特征重要性多方法融合解释方法

本发明公开了一种基于证据融合的特征重要性多方法融合解释方法，涉及机器学习技术领域，主要包括步骤：首先将多种解释方法对特征输出的重要性分数转换为归一化排序分数，并映射至二元命题空间中的倾向概率；然后通过评估各方法的稳定性与忠实性计算其可靠度权重，据此对初始证据进行折扣；进而利用D-S证据理论对多源证据进行融合，并依据冲突度大小自适应选择组合规则；最终输出每个特征的融合重要性分值、不确定性区间及解释冲突度，实现了解释结论的可靠融合与不确定性量化。本发明通过融合多种解释方法的证据并引入可靠度评估与冲突自适应机制，能够为特征重要性提供一致性更高、带有可量化不确定性区间与冲突诊断信息的稳健解释。