Upgrade to Pro — share decks privately, control downloads, hide ads and more …

XAI勉強会 第三回

AcademiX
August 22, 2023
110

 XAI勉強会 第三回

AcademiX が開催した 第3回 XAI勉強会 資料
トピック:非線形モデルの説明可能性
日時:2023/08/13
参考図書:実践XAI[説明可能なAI] 機械学習の予測を説明するためのPythonコーディング

AcademiX

August 22, 2023
Tweet

More Decks by AcademiX

Transcript

  1. 参考⽂献 - 実践XAI[説明可能なAI] 機械学習の予測を 説明するためのPythonコーディング - コード︓ https://github.com/Apress/Practical-Explainable- AI-U sing-Python/tree/main

    - データセット︓ https://github.com/Apress/Practical-Explainable- AI-U sing- Python/blob/main/Datasets/automobile.csv *スライドに引⽤記載のない図は全て上記から引⽤
  2. 4.1 ⾮線形モデル ⾮線形モデルとは︖ - モデルを各パラメータで偏微分したときに、⼀次偏導関数がパラメータ⾃⾝を含む - データの特徴とターゲット変数(または出⼒)との間に線形ではない関係がある 構造化データ 教師あり学習 ⾮線形モデル

    決定⽊モデル サポートベクターマシン ニューラルネットワーク LightGBM XGBoost 線形モデル 線形回帰 ロジスティック回帰 リッジ回帰 ラッソ回帰 教師なし学習 ⾮構造化データ ! " # 解 析
  3. 4.2 決定⽊モデル(Decision Tree)とは 決定⽊モデルとは︖ - 説明変数を⽬的変数にマッピング(写像)する⾮線形モデル - データから決定⽊と呼ばれる樹形図を作成し、予測や検証をする 構造化データ 教師あり学習

    ⾮線形モデル 決定⽊モデル サポートベクターマシン ニューラルネットワーク LightGBM XGBoost 線形モデル 線形回帰 ロジスティック回帰 リッジ回帰 ラッソ回帰 教師なし学習 ⾮構造化データ ! " # 解 析
  4. 4.4 SHAPを使って決定⽊モデルを説明する - 決定⽊モデルの説明にSHAPを使うための⼤まかな流れ 1. カスタム決定⽊モデルを定義 2. SHAP(Shapley Additive exPlanations)

    ライブラリをインストール 3. 各特徴量に対する⽬的変数をPDP (Partial Dependence Plot)としてプロット 4. 各PDPを解釈 - PDP(Partial Dependence Plot)とは︖︓ モデルの出⼒に対する特徴量の部分従属プロット