.png){kind=icon}
返回
Decoding ’Eligibility Unknown’: transparent classification and feature-based reclassification in CAFV analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijepes.2025.110894.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 针对新能源汽车推广应用推荐车型目录（CAFV）资格分析，提出了一种新的分类模型ExplainableClassifier，并使用最近发布的新能源汽车数据集。
• 该研究通过去除177,320条重复记录来识别并解决过拟合问题，最终仅剩546个唯一条目。
• 应用可解释人工智能工具（SHAP、LIME）和反事实分析来解释模型预测结果并重新分类模糊记录。
• 所提出的模型在无过拟合的情况下达到100%的准确率，并通过交叉验证和误差指标（MSE：0.0000，MAE：0.0000）进行验证。
Keyword:
CAFV (Clean alternative fuel vehicle)
Machine Learning
Explainable AI (XAI)
SHAP
LIME
期刊
I
IF:
5
论文数:
1.1W
被引数:
3.1W
机构
查看更多机构
引用论文
分享收藏An efficient hybrid multilayer perceptron neural network with grasshopper optimization.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏Revitalizing the Electric Grid: A Machine Learning Paradigm for Ensuring Stability in the U.S.A.M. R. Hasan, “振兴电网：确保美国电网稳定的机器学习范式,” 《计算机科学与技术研究杂志》, 第6卷, 第1期, 第142–154页, 2024年, doi: 10.32996/jcsts.2024.6.1.15.
PREAI
分享收藏A comparative performance of machine learning algorithm to predict electric vehicles energy consumption: A path towards sustainabilityENERGY & ENVIRONMENT
ENERGY & ENVIRONMENTIF4.8
PREAI
分享收藏
没有更多内容