本研究提出了一种基于特征贡献的分层多特征映射网络（HMFNet），旨在提高分子气味预测的准确性。通过细粒度的特征提取和映射，显著提升了气味预测性能。

本研究利用Shapley值方法提升了自动供应空气温度（ASAT）控制模型的透明度，揭示了各特征对预测结果的贡献，提供了客观解释，具有重要的应用潜力。

本研究提出了一种计算随机森林分类模型特征贡献的方法，可以确定变量对模型预测的影响，并分析训练数据集的特征贡献来确定最显著的变量和它们对类别预测的贡献模式。