16:40 〜 17:00
[3E5-GS-2-04] 決定木モデルの解釈におけるSHAP値の有用性の検証
キーワード：解釈性、SHAP
機械学習による予測モデルの構築において, どの特徴量がどのような形でモデル学習に寄与したのかという解釈性を与えることは, データを解釈したりモデルを改良していく上で重要である. とりわけマーケティング業界においては適当なKPIを機械学習によってモデリングし, 予測する機構を用意することに加え, どのような変数がKPIに影響するか, それがどのような影響の仕方をするのかを解釈することがしばしば求められる.入力した特徴量のモデル学習への貢献を評価する指標として近年SHAP値と呼ばれるものが考案され注目されている. 本稿ではテーブルデータのモデリングにしばしば用いられる決定木ベースのモデルにおいて, SHAP値が概ね的確に特徴量のモデル学習への貢献を評価できることを示す.
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。