[4I3-OS-1b] AutoML（自動機械学習）

[4I3-OS-1b-04] 特徴選択と特徴間の相互作用を組み込んだNeural Additive Modelsの提案

〇岸本 泰俊¹、山西 康太¹、松田 拓也¹、白川 真一¹ (1. 横浜国立大学)

キーワード：特徴選択、解釈性、Neural Additive Models

Deep Neural Network (DNN)は様々な分野に応用されているが，解釈性が低いという課題がある．DNNを一般化加法モデルの形状関数として利用するNeural Additive Models (NAM)は，DNNの学習の柔軟性を継承しつつ解釈性が高いモデルである．NAMは特徴ごとに1入力のDNNを使用するため，各特徴の予測結果への寄与度を提示できる利点がある．一方，特徴間の相互作用を考慮するために2入力のDNNを利用しようとする場合や特徴数が多いデータセットにNAMを適用する場合は，多数のDNNを学習する必要があり，解釈性の低下や必要な計算リソースの増加が問題点として考えられる．本研究では，NAMに特徴選択層を追加することで，学習するDNNの数を任意の数に減らすとともに，2入力のDNNを使った特徴間の相互作用の考慮が可能な方法を提案する．ベンチマークデータセットを利用した実験から，提案手法の有効性を確認する．