[2Win5] Poster session 2

[2Win5-99] Evaluation of Local Importance of Functional Regression via Interval-Based Masking Approach

〇Kiyotaka Sugiyama^1,2, Hidetoshi Matsui¹ (1.Shiga University, 2.The Japan Research Institute, Limited)

Keywords:Functional Data Analysis, Functional Regression, Interpretability, Local Importance

近年，機械学習手法の高精度化に伴い，複雑なブラックボックスモデルを関数データ解析へ適用する研究が増えている．しかし、連続観測された関数を対象とする複雑なモデルに対する解釈に関する研究は十分とは言えず，「どの区間が重要であるか」や「どの時間帯の変動がどれほど予測に寄与しているか」といった関数データ特有の局所構造を直感的に可視化する方法は未成熟である．本研究では，関数データからスカラー値を予測する回帰問題を対象に，説明変数として与えられる関数データの特定区間の予測精度への寄与度を評価するためのInterval-Based Masking Approachを提案する．対象区間の元データをそのまま保持し，他の区間を定数マスク等で補完することで，区間単位の予測モデルへの影響を関数データの滑らかさをある程度維持したまま定量化する．さらに，対象区間を動的に細分化・統合することで局所的に重要な区間を捉えつつ相互作用を評価できるように拡張する．シミュレーションデータを用いた検証では，従来の解釈手法と比較し，関数データの局所的パターンを解釈する上で有用であることが示唆された．