VIP20

本课程属于：084-模型可解释性阈值漂移巡查 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

模型可解释性在告警阈值优化中的应用

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

模型可解释性与告警阈值优化的关系 · 课程目标与学习路径

课程导论模型可解释性

告警系统基础

告警的定义 · 告警生命周期 · 常见告警类型（阈值告警

告警系统基础告警的定义

阈值优化痛点

静态阈值的局限性 · 误报与漏报的权衡 · 人工调参的困难

阈值优化痛点静态阈值的局限性

模型可解释性概述

可解释性的定义 · 重要性 · 白盒模型与黑盒模型的区别

模型可解释性概述可解释性的定义

可解释性方法分类

全局解释 vs 局部解释 · 内在解释 vs 事后解释 · 模型特定 vs 模型无关

可解释性方法分类vs

Shapley值的博弈论基础 · SHAP的核心思想 · SHAP值的数学定义

使用SHAP解释一个简单的回归模型（… · 输出特征重要性排序

LIME的局部近似思想 · 采样与加权 · 稀疏线性模型拟合

使用LIME解释一个分类模型（如随机… · 展示单个样本的解释结果

特征重要性分析

基于树模型的特征重要性 · Permutation Import… · 与SHAP/LIME的对比

特征重要性分析基于树模型的特征…

部分依赖图（PDP）

PDP的定义 · 绘制方法 · 在阈值分析中的应用（如观察指标与告警…

PDP部分依赖图

个体条件期望图（ICE）

ICE与PDP的区别 · ICE在发现特征交互中的作用

ICE个体条件期望图

累积局部效应（ALE）

ALE图的原理 · 克服PDP的变量相关性假设问题

ALE累积局部效应

告警阈值优化问题建模

将阈值优化转化为机器学习问题（回归/… · 定义目标变量（如告警准确率）

告警阈值优化问题…将阈值优化转化为…

特征工程与可解释性

构建可解释的特征（如统计量 · 趋势 · 周期性）

特征工程可解释性

基于SHAP的阈值调优

利用SHAP值识别对告警影响最大的特… · 指导阈值调整方向

基于LIME的异常告警诊断

对单次误报/漏报进行局部解释 · 定位根因

全局解释驱动阈值分段

使用全局特征重要性对监控指标进行分组 · 为不同组设定差异化阈值

全局解释驱动阈值…使用全局特征重要…

动态阈值与可解释性

结合时间序列分解（趋势 · 季节 · 残差）与可解释性

动态阈值可解释性

服务器CPU告警阈值优化——使用SH…

网络延迟告警阈值优化——使用PDP和…

磁盘IO异常检测阈值优化——使用LI…

可解释性评估指标

解释的忠实度（Fidelity） · 稳定性（Stability） · 可理解性（Comprehensibi…

可解释性评估指标Fidelity

阈值优化效果评估

混淆矩阵 · 精确率-召回率曲线 · F1-score在阈值选择中的应用

阈值优化效果评估混淆矩阵

自动化阈值优化流程

构建闭环系统——数据采集→模型训练→…

自动化阈值优化流…构建闭环系统

工具与框架

SHAP库 · LIME库 · InterpretML

生产环境部署挑战

解释计算开销 · 实时性要求 · 解释结果的存储与可视化

生产环境部署挑战解释计算开销

可解释性与公平性

避免阈值设定中的偏见（如对不同业务线…

可解释性公平性

大模型在告警解释中的应用 · 因果推断与阈值优化 · 人机协同的告警管理

未来趋势大模型

课程总结与项目实战

综合运用所学方法 · 完成一个端到端的告警阈值优化项目

课程总结项目实战