機械学習を活用すれば、膨大なデータをもとにして、さまざまな事柄について予測値を導き出すことができます。しかし、実際にその予測値を役立てるためには、なぜそうした予測結果になったのかを理解することが重要です。予測値を解釈するための手法 ...

この本を見ながら勉強していきます。今回は、SHAPを勉強していきます。 SHAP(SHapley Additive exPlanations)概要 複雑でよくわからない挙動を示す機械学習の結果を理解し、その信頼性を高める上で必要になるのが「説明可能性」です。この説明可能性を実現する ...

SHAP（Shapley Additive Explanations）は、機械学習モデルの予測を解釈するための方法論です。ゲーム理論のShapley値に基づいており、どんな機械学習のモデルにも用いることができます。 今回はshapを利用して、特徴量の寄与度を可視化してみたいと思います。