本发明属于人工智能算法应用‑多标签亚细胞定位预测方法，涉及一种基于深度迁移学习的多标签亚细胞定位预测方法。过程如下：首先，对原始数据进行数据清洗以获得数据集1和数据集2，去除冗余信息，提高模型效率。接着，采用MDNDO和SMDU重采样算法对不平衡数据集进行处理，确保模型在各类别样本上都能获得良好性能。本发明基于AlexNet，重新修改了输出层的网络结构，充分利用了已有结构，捕获特征信息，最终在输出层输出预测结果。本发明进一步引入了SHAP算法，量化每个特征对模型预测结果的贡献度，帮助用户更好地理解模型的工作原理和决策依据。