可解释的时间序列预测：基于Transformer的无采样SHAP方法

这项研究探讨了使用SHAP值增强时间序列预测模型的可解释性，SHAP值是一种用于解释机器学习模型预测的成熟方法。使用无采样方法表明，在Transformer的背景下，计算效率和实用性可能会得到提升。

• •侧重于提高基于 Transformer 的时间序列预测的可解释性。
• •采用无采样 SHAP 方法，可能提高效率。
• •目标是在预测任务中的实际应用。