基于机器学习的半导体厂务异常归因方法、系统及设备

本发明公开了一种基于机器学习的半导体厂务异常归因方法、系统及设备，方法包括收集异常事件和正常事件的历史数据，通过相关性计算筛选对异常结果具有影响的相关特征，形成包含二分类标签的训练数据集；基于所述训练数据集，构建二分类树模型并进行训练；基于所述二分类树模型，输出特征重要性排序，并计算训练数据集中的每个特征数据的上须值和下须值；当异常事件发生时，获取与筛选出的特征相同的当前特征的值；根据输出的特征重要性排序，依次计算每个当前特征值是否超出计算的上须值或下须值，若是，则将该特征标记为异常归因特征，并输出包含异常归因特征及其排序的归因结果。本发明可实现减少计算资源消耗并提供可排序的决策支持。