.jpg)
[口头报告]基于机器学习分析性别对热感觉的作用效果
基于机器学习分析性别对热感觉的作用效果
编号：205
稿件编号：109 访问权限：仅限参会人
更新：2021-10-17 20:13:26 浏览：674次
口头报告
报告开始：2021年12月05日 09:20 （Asia/Shanghai）
报告时间：10min
所在会议：[S1] 分会场1 » [S1-2] 热舒适II：需求感知与调节；室内组分的界面传递过程
暂无文件
摘要
关于性别因素对热感觉的影响程度一直存在争议。热感觉机器学习模型在准确性上远胜于传统模型，但是可解释性的缺乏使得研究人员无法了解模型决策的思路。本研究使用合作博弈论中的Shapley value分析了热感觉机器学习模型中性别对不同热感觉的作用效果。本研究发现差异化作用效果普遍存在于各物理特征对两性的不同热感觉之中，并且不同的物理特征都存在着固定且显著的分界点，在分界点前后差异化作用效果不同但始终存在。
关键字
性别；差异化作用；热感觉；机器学习；可解释性分析
报告人
发表评论