機械学習
機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック 作者:森下 光之助 技術評論社 Amazon まとめ 各章まとめ 1, 2章 3章 4章 5章 6章 まとめ 機械学習の性能を追い求めるだけで無く，どうしてそのような出力を出したのかを説明する能力も必要…
SHAPを使うモチベーション SHAPのアイデア 数式表現 イメージ例 Shapley値 SHAP 実データでの分析 SHAPを使うモチベーション PFIはモデルがどの特徴量を重視しているかを見ることが出来る．PDやICEは特徴量と予測値の関係を見ることが出来る． これに対し，S…
ICE PDで捉えられない関係 ICEの数式表現 ICEの利点 実データでの分析 ICE 4章でやったPDは特徴量と予測値の平均的な関係を見る指標であった．それに対し，ICEは平均を取らず，一つ一つのデータに対して特徴量と予測値の関係を見る指標である．平均を取らず…
PD 実データでの分析 使用データの確認 モデルの学習と特徴量の重要度計算 PDの実装 PD PFIは特徴量をシャッフルすることで，その特徴量がどれほど予測値に影響を与えているのかを調べることが出来た．しかし，PFIは特徴量の重要度しか分からず，特徴量を上…
PFI LOCOFI GPFI 因果関係 PFIの実装と実データでの分析 使用データの確認 モデルの学習 PFIの実装 特徴量の重要度の表示 PFI 線形回帰なら回帰係数の大きさを見ることで特徴量の重要度を簡単に確認出来る．しかし，RandomForestなどの決定木モデルには回帰…
kaggleのように純粋に性能を求めるだけでなく，実務では意思決定者に対しモデルを説明する能力も必要だと感じ，この本を読むことにしました． 機械学習の解釈手法 解釈時の注意点 線形回帰モデルが持つ解釈性 特徴量と予測値の平均的な関係の解釈 特徴量と予…
