基于机器学习的个人收入预测与SHAP/LIME可解释性分析

黄金

广西职业师范学院广西南宁 530000

摘要：在UCI Adult数据集上训练了LR、RF、XGBoost三个分类器，用SHAP和LIME解释最优模型的结果。XGBoost表现最好：准确率83.2%，AUC 0.925，F1 0.717。SHAP结果显示capital_gain、education_num、marital_status、age是关键预测因子，LIME在测试样本上验证了相同的归因方向。

关键词：收入预测；XGBoost；SHAP；LIME；可解释性机器学习；Adult数据集

全文下载

上一期

AI工具赋能Web前端开发教学的创新路径研究

面向复杂系统集成的通信工程项目全生命周期管理优化研究

下一期

International Medical Research and Translation (IMRT)

International Education and Social Science Exploration (IESSE)

Technological Innovation and Science Management (TISM)

艺术探索与社会实践研究

中国经济与社会科学研究