基于可解释性AI的统计结果动态可视化与诊断方法

本发明涉及人工智能技术领域，公开了基于可解释性AI的统计结果动态可视化与诊断方法，包括以下步骤：针对机器学习模型的每个数据样本，并行应用多种可解释性算法，生成并拼接成高维的集成解释向量；通过多组件解释核函数计算向量间的相似度，并利用流形学习算法将高维向量集合降维，构建出能反映模型决策逻辑内在结构的低维解释流形；通过对解释流形进行密度聚类，自动化地识别出模型决策逻辑一致的解释稳定域和逻辑发生突变的逻辑突变边界；将分析结果进行可视化呈现，并提供交互式诊断功能。本发明通过构建模型决策逻辑的全局拓扑视图，使用户能够直观地理解和诊断复杂模型的行为模式，显著提升了模型的可解释性、透明度和可靠性。