Dentro de la globalización, la importancia de la cooperación en innovación urbana se ha vuelto cada vez más evidente. Sin embargo, la cooperación en innovación urbana enfrenta desafíos debido a diversos factores - sociales, económicos y espaciales - lo que dificulta que los métodos tradicionales descubran las complejas relaciones no lineales entre ellos. En consecuencia, esta investigación se concentra en las ciudades de la región del Delta del Río Yangtsé, empleando un modelo de aprendizaje automático explicable que integra eXtreme Gradient Boosting (XGBoost), SHapley Additive exPlanations (SHAP) y Partial Dependence Plots (PDPs) para investigar los efectos no lineales e interactivos de factores multidimensionales que impactan la cooperación en innovación urbana. Los hallazgos indican que XGBoost supera a LR, SVR, RF y GBDT en términos de precisión y efectividad. Los resultados clave se resumen de la siguiente manera: (1) La cooperación en innovación urbana exhibe diferentes características en fases. (2) Existen efectos no lineales e interactivos entre la cooperación en innovación urbana y factores multidimensionales, entre los cuales, la dimensión Científica y Tecnológica contribuye más (30.59%) y tiene el efecto positivo más significativo en la etapa posterior a superar un cierto umbral. En la dimensión Social y Económica (23.61%), el número de Usuarios de Internet (IU) contribuye más individualmente. La dimensión del Espacio Físico (20.46%) generalmente exhibe puntos de mutación durante las etapas tempranas del desarrollo urbano, con relaciones generales predominantemente caracterizadas por tendencias positivas no lineales. (3) A través de la aplicación de PDP, se determina además que IU tiene un efecto sinérgico positivo con la Inversión Extranjera Directa (IED) per cápita, las colecciones de bibliotecas públicas per cápita (LC) y los datos de luz nocturna de la ciudad (NPP), mientras que exhibe un efecto antagónico negativo con el Salario Anual Promedio del Personal (AAS) y el número de Empresas por encima del Tamaño Designado en la Industria (EDS). (4) Para las ciudades en diferentes etapas de desarrollo, se deben formular propuestas de desarrollo personalizadas basadas en la contribución de un solo factor y los efectos de interacción multifactorial. Estos conocimientos mejoran nuestra comprensión de la cooperación en innovación urbana y elucidan los efectos no lineales e interactivos de los factores influyentes multidimensionales.