利用SHAP解释伏安分析法中线性与非线性回归模型在分析信号上的可解释性
《Chemometrics and Intelligent Laboratory Systems》:Explainability of linear and nonlinear regression models in voltammetric analytical signals using SHAP
【字体:
大
中
小
】
时间:2026年07月24日
来源:Chemometrics and Intelligent Laboratory Systems 3.8
编辑推荐:
摘要:本研究探讨了将线性偏最小二乘回归模型和非线性随机森林回归模型应用于苹果汁中葡萄糖-果糖糖浆的差分脉冲伏安图分析时的可解释性。每份伏安图都被视为由电化学效应和基质相关效应共同作用形成的完整电化学信号。为从化学和电化学角度深入理解模型行为,本研究采用了基于SHapley加性解释
摘要:本研究探讨了将线性偏最小二乘回归模型和非线性随机森林回归模型应用于苹果汁中葡萄糖-果糖糖浆的差分脉冲伏安图分析时的可解释性。每份伏安图都被视为由电化学效应和基质相关效应共同作用形成的完整电化学信号。为从化学和电化学角度深入理解模型行为,本研究采用了基于SHapley加性解释方法的可解释人工智能技术,并针对不同模型使用了相应的SHAP变体:PLSR模型采用KernelSHAP,RFR模型采用TreeSHAP。通过分析不同电位区域内的SHAP值,确定了对GFS浓度预测有贡献的区域。这些区域的电化学重要性通过独立记录的支持电解质、苹果汁、添加了GFS的苹果汁以及含GFS的模型溶液的循环伏安响应得到了验证。这两种建模方法提供了互补的解释视角:PLSR-KernelSHAP展示了覆盖较宽电位范围的广泛相关性模式,反映了潜变量模型所捕捉的整体效应;而RFR-TreeSHAP则突出了更局部的电位窗口,尤其是阳极扫描时的?250至?585毫伏区间以及阴极扫描时的?460至?600毫伏区间,这些区域与非线性信号贡献相关,且具有稳定的预测意义。总体而言,本研究表明,结合稳定性评估及补充的循环伏安数据,通过KernelSHAP/TreeSHAP对比分析,能够提升应用于复杂食品基质的伏安图回归模型的透明度与分析价值。
引言:用于回归的可解释人工智能框架是一种强大的工具,它涵盖了研究工作的各个阶段,从问题定义和仪器设置,到测量方法的开发、实验数据的采集,再到机器学习模型的训练与解释[1]。该框架通过定量分析各特征对回归结果的贡献,架起了原始实验数据与可靠科学见解之间的桥梁,使建模过程提升到更高的认知层面,从而使经过训练和验证的模型不仅更贴合实际问题,还具有透明度与实用价值。缺乏透明度和可解释性是人工智能模型的常见局限,而可解释人工智能则是一门旨在开发既能预测连续输出结果——通常被视为“黑箱”——又能揭示其背后机制的新人工智能分支。其目标是在局部(单样本)和整体(整个数据集)层面上,为各输入特征如何影响模型输出提供定量与定性的解释。与分类任务不同,以回归为目标的可解释人工智能必须保持数值的连续性,从而使得结果可以直接用预测变量的单位来表示。尽管这一方法具有通用性,但最终的解读仍需依赖领域知识[2],例如在医学[3,4]、环境工程[5]、食品工程[6]或化学科学[7,8]等领域。在化学科学中,可解释人工智能有助于将模型预测与真实的物理化学现象联系起来,从而帮助解决复杂的科研与决策问题。通过可解释人工智能获得的可解释性不仅能评估模型的性能,还能揭示传统建模方法中无法发现的新的关联与机制。在广泛使用间接定量方法的分析化学领域,可解释人工智能发挥着重要作用,它有助于建立测量信号与分析物浓度之间的关联。对于光谱谱图、伏安图信号或色谱图等复杂测量数据,可解释人工智能方法尤其有用。基于可解释人工智能的模型不仅能实现分类或浓度预测,还能识别出对模型输出影响最大的光谱区域、电位范围或信号特征。这有助于确定所观察到的差异的物理化学根源,例如将重要特征与特定的吸收带、物理、化学或电化学过程联系起来。在实际应用中,可解释人工智能可推动化学分析的自动化,提高实验室环境中机器学习算法的可靠性,还有助于构建与专家领域知识相一致的诠释性假设。在处理复杂样品时,可解释人工智能尤为重要,它能够区分分析物相关效应与背景噪声、仪器误差或基质干扰,提供传统人工智能“黑箱”无法实现的深度洞察。参考文献[9]中的系统综述全面介绍了光谱学领域中可解释人工智能的现状,指出了其应用的优势与面临的挑战。在参考文献[10]中,作者将ATR-FTIR光谱技术与包括SHAP分析在内的可解释人工智能方法相结合,用于研究COVID-19患者的分子变化与疾病进展,并试图识别潜在的血清生物标志物。最终,他们提出了一种透明且易于解释的算法,可用于预测患者在不同治疗阶段的状况。另一种名为集成梯度法的可解释人工智能方法[11]被用于解释神经网络如何直接从核磁共振光谱中量化代谢物浓度,它能够识别出对浓度预测贡献最大的光谱区域,从而帮助阐明模型的内部工作机制。参考文献[12]介绍了一种创新的基于可解释人工智能的策略,该方法利用梯度提升回归技术,根据线性扫描伏安实验得到的特定过电位值,准确预测金属基纳米颗粒的尺寸。参考文献[13]描述了一种用于开发和实验验证预测型机器学习模型的开创性方法,这类模型可用于确定甲醇和乙醇电氧化过程中的起始电位与氧化电位。该研究利用特征重要性和SHAP值等可解释人工智能技术,对模型的预测机制进行了详细分析。在参考文献[14]中,作者利用机器学习技术预测甘油的电氧化起始电位与阳极峰电位,其中AdaBoost算法取得了最佳效果。随后,又通过SHAP和特征重要性等可解释人工智能方法,确定了pH值、电解质类型以及电极特性是影响这些电位的关键因素。参考文献[15]则展示了机器学习模型(包括人工神经网络、随机森林和XGBoost)在预测用于超级电容器电极的锌取代和钴取代BiFeO3复合材料的循环伏安曲线电流值方面的广泛应用。作为可解释人工智能部分,作者利用特征重要性分析确定了最具影响力的预测参数,如电位以及氧化/还原特性。在监督学习中,一个关键任务就是评估各特征对模型的影响程度。在本研究中,我们分析了用于预测苹果汁中GFS浓度的多元回归模型中的特征重要性。在复杂样品的伏安图分析中,确定哪些电位窗口对获得可靠测量结果至关重要,以及哪些具体数据点对应着相关的电化学过程(包括法拉第反应与非法拉第反应、化学耦合反应以及有机基质的影响),也同样十分重要。本研究的目的是展示可解释人工智能如何辅助解读定量分析化学中使用的回归模型。作为典型案例,本研究分析了故意添加了GFS的苹果汁样品所记录的差分脉冲伏安图。这些伏安图包含360个彼此高度相关的电位依赖型变量,反映的是电化学效应与基质相关效应的叠加,而非单个分析物的独立响应。在此背景下,本研究有多项重要贡献:首先,它将基于SHAP的解释方法应用于利用复杂伏安图预测苹果汁中GFS掺假情况;其次,比较了KernelSHAP与TreeSHAP这两种适用于结构不同的回归模型(即偏最小二乘回归与随机森林回归)的互补性解释策略;第三,通过评估训练集与测试集之间以及重复测量结果中SHAP归因模式的一致性,来判断解释结果的可靠性;此外,该研究还结合了对SHAP值的整体分析与局部分析——整体分析用于描述模型的整体行为并标识出具有预测意义的电位范围,而局部分析则针对单个样本进行。这种区分有助于判断在数据集层面被认定为重要的区域是否也能在特定样本的预测中持续发挥作用。最后,通过将这些区域与支持电解质、苹果汁、添加了GFS的苹果汁以及含GFS的模型溶液的独立循环伏安响应结果进行比较,进一步评估了这些区域的电化学重要性。总体而言,本研究提出了一种注重可靠性、步骤严谨的伏安图回归模型解读流程。通过结合模型特定的SHAP解释、线性与非线性回归策略的比较、解释稳定性的评估、重复测量的分析以及独立的电化学参考数据,该研究证明了可解释人工智能能够提升对复杂食品基质进行机器学习辅助定量分析的透明度与分析价值。
章节节选:多元回归模型
在本研究中,我们采用了两种回归算法作为后续建模的基础:偏最小二乘回归[16]和随机森林回归[17]。这样的选择使得我们能够全面分析可能包含线性和非线性成分的伏安图数据。偏最小二乘回归是一种经典的化学计量学方法,侧重于分析线性关系,而随机森林回归则是一种先进的非线性机器学习模型,能够检测信号特征之间的复杂相互作用。
表1 伏安图数据集
所有的伏安图测量都是使用M161电化学分析仪和M164D电极支架(MTM-Anko,波兰)进行的。工作电极是一种专门设计的四盘铱电极,由两根直径为0.5毫米的平行铱丝构成,嵌入银制支撑体中。这两根铱丝对称地分布在环氧树脂主体的一侧和另一侧,从而形成了稳定且可重复的电化学界面[50,51]。所有测量都是在……条件下进行的。
回归模型的评估
在可解释人工智能方法中,解释分析之前需要先训练并验证一个合适的监督学习模型,因为可解释性框架是基于这个训练得到的模型结构来运行的。在本研究中,我们采用了两种互补的方法:将偏最小二乘回归与KernelSHAP相结合,以及将随机森林回归与TreeSHAP相结合。在将这些回归算法用于计算之前,我们都对其超参数进行了优化。最优的参数数量为……
总结与结论
本研究证明了基于SHAP的可解释性方法在解读基于完整伏安图数据构建的回归模型方面的有效性。通过比较PLSR + KernelSHAP与RFR + TreeSHAP两种方法,我们发现线性与非线性建模策略分别为复杂且高度相关的电化学信号提供了互补的见解。在偏最小二乘回归模型中,预测结果是基于能够概括相关信号区域的潜变量,而KernelSHAP则产生了较为广泛的归因模式……
关于科学写作中使用生成式人工智能的声明
在撰写本手稿的过程中,作者们使用了OpenAI工具来提升文本的可读性与语言表达水平。在使用该工具/服务之后,作者们对内容进行了必要的审核与修改,并对最终发表的内容负全责。
CRediT作者贡献说明
Patrycja Kwiek:软件应用、可视化处理、初稿撰写、审稿与编辑工作。Valentin Mirceski:概念构思、形式分析、资金筹集、实验研究、方法设计、模型验证、初稿撰写、审稿与编辑工作。Szymon Wójcik:数据整理、实验研究工作。Katarzyna Jedlińska:数据整理、实验研究工作。Ma?gorzata Jakubowska:概念构思、形式分析、资金筹集、实验研究、方法设计、项目管理工作。
利益冲突声明
作者们声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
本研究的部分经费来自克拉科夫AGH大学的“卓越计划——研究型大学”项目(IDUB),以及波兰科学与高等教育部长为克拉科夫AGH大学提供的资助。VM衷心感谢亚历山大·冯·洪堡基金会通过研究小组联动计划项目(项目编号3.4-1070534-MKD-IP)所提供的支持。
Patrycja Kwiek | Valentin Mirceski | Szymon Wójcik | Katarzyna Jedlińska | Ma?gorzata Jakubowska
克拉科夫AGH大学材料科学与陶瓷学院,地址:波兰克拉科夫市米茨凯维奇大街30号,邮编30-059
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号