基于 XAI 的循环神经网络可解释性探究

创建于 2025-07-16T16:25:50.878775+08:00 更新于 2025-07-16T17:29:40.665473+08:00

摘要

本报告针对基于循环神经网络的选股模型，采用四类可解释人工智能（XAI）方法展开深入解析，分别适配训练和预测阶段。结果显示模型对小市值股票和低预测值股票更加敏感，序列长度和随机性影响有限，标签跨度、学习率与单元结构影响明显，且特征处理方法、训练期和特征组合显著影响模型表现。该研究有助于提升模型透明度与调优效率，为深度学习选股模型的解释及优化提供了有效工具与路径 [page::0][page::2][page::14]。

速读内容

深度阅读