一种选择是计算数据集之间的距离度量。

选择距离度量取决于数据的属性。如果数据是二进制的，汉明距离可以工作。如果数据是集合，则 Jaccard 距离可以工作。其他数据类型需要其他距离度量。

我会遵循两个途径：

1. 合并/连接所有数据集并执行某种降维（例如 TSNE、PCA）。这可以帮助您可视化哪些数据集彼此相似。
2. 您的工作似乎属于归因方法或最近称为可解释 AI 的类别。该字段试图找出每个特征/变量对目标变量的相对贡献。看看这本电子书，尤其是第 5 章。书。即使无法访问模型预测函数（即，将特征映射到响应变量的函数），也有一些方法可以计算变量属性。