Mitsunosuke Morishita
December 04, 2019
540

ブラックボックスモデルとPartial Dependence Plotで因果関係を探索する

2019年12月4日に行われたML for Beginners! MeetUp #2での発表資料です。

https://mlforbiginners.connpass.com/event/154076/

Mitsunosuke Morishita

December 04, 2019

Transcript

2. やること • Causal interpretations of black-box models (Zhao and Hastie,

2019) という論⽂を紹介します • この論⽂では、 Partial Dependence Plot(PDP)を因果関係を探索する ⼿段として使うことを提案しています • このLTでは、論⽂で使われたデータセットを⽤いて、PDPを⽤いた分析の 利点、その解釈などをお伝えできればと思っています

4. 使⽤データ: Boston Housing Dataset • MEDV: Median value of owner-occupied

homes in \$1000's • CRIM: per capita crime rate by town • ZN: proportion of residential land zoned for lots over 25,000 sq.ft. • INDUS: proportion of non-retail business acres per town. • CHAS: Charles River dummy variable (1 if tract bounds river; 0 otherwise) • NOX: nitric oxides concentration (parts per 10 million) • RM: average number of rooms per dwelling • AGE: proportion of owner-occupied units built prior to 1940 • DIS: weighted distances to five Boston employment centres • RAD: index of accessibility to radial highways • TAX: full-value property-tax rate per \$10,000 • PTRATIO: pupil-teacher ratio by town • B: 1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town • LSTAT: % lower status of the population ※出典︓https://www.cs.toronto.edu/~delve/data/boston/bostonDetail.html
5. 使⽤データ: Boston Housing Dataset • MEDV: Median value of owner-occupied

homes in \$1000's • CRIM: per capita crime rate by town • ZN: proportion of residential land zoned for lots over 25,000 sq.ft. • INDUS: proportion of non-retail business acres per town. • CHAS: Charles River dummy variable (1 if tract bounds river; 0 otherwise) • NOX: nitric oxides concentration (parts per 10 million) • RM: average number of rooms per dwelling • AGE: proportion of owner-occupied units built prior to 1940 • DIS: weighted distances to five Boston employment centres • RAD: index of accessibility to radial highways • TAX: full-value property-tax rate per \$10,000 • PTRATIO: pupil-teacher ratio by town • B: 1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town • LSTAT: % lower status of the population ※出典︓https://www.cs.toronto.edu/~delve/data/boston/bostonDetail.html 分析で深堀り 分析で深堀り ターゲット 使わない

8. 特徴量に相関があると、単変数同⼠の散布図では関係を可視化できない X1とYの散布図 シミュレーション︓ = \$ + & + , \$

& ∼ 0 0 , 1 0.9 0.9 1 , ∼ (0, 0.1&) GAMによる推定 = + 理論的な関係 と は強く相関
9. 特徴量同⼠に相関があると、散布図ではうまく関係を可視化できない X1とYの散布図 真の関係 GAMによる推定 シミュレーション︓ = \$ + & +

, \$ & ∼ 0 0 , 1 0.9 0.9 1 , ∼ (0, 0.1&) 他の変数の影響を考慮した上で、 各変数と出⼒の関係を捉えたい → ⼀旦全変数と出⼒の関係を学習させ、 その後モデルを解釈する
10. モデルの特定化が正しいなら⼊出⼒の関係をうまく捉えることができる 線形モデル 8 = + \$\$8 + &&8 + 8

をOLSで推定︓ シミュレーション︓ = \$ + & + , \$ & ∼ 0 0 , 1 0.9 0.9 1 , ∼ (0, 0.1&)
11. モデルの特定化が正しいなら⼊出⼒の関係をうまく捉えることができる 線形モデル 8 = + \$\$8 + &&8 + 8

をOLSで推定︓ シミュレーション︓ = \$ + & + , \$ & ∼ 0 0 , 1 0.9 0.9 1 , ∼ (0, 0.1&) うまく関係を推定できている
12. モデルの特定化が正しいなら⼊出⼒の関係をうまく捉えることができる 線形モデル 8 = + \$\$8 + &&8 + 8

をOLSで推定︓ シミュレーション︓ = \$ + & + , \$ & ∼ 0 0 , 1 0.9 0.9 1 , ∼ (0, 0.1&) ⼊出⼒の関係を正しく特定化できるなら問題ないが、 今回のように線形モデルが うまく当てはまるかどうかはわからない → フレキシブルなモデルを当てはめて、 後からモデルを解釈したい

14. Partial Dependence Plot (PDP) • ⼀般にブラックボックスモデルにおいて⼊⼒と出⼒の関係は⾮常に複雑 • 複雑な関係を要約する⼿法にPartial Dependence Plot(PDP)がある

• PDPは興味のある変数以外の影響を周辺化して消してしまうことで、 ⼊⼒と出⼒の関係を単純化する • 学習済みモデルを(⋅)、ターゲットになる変数を= 、それ以外の変数を> と すると、Partial dependence functionは以下で定義され、 = = = AB = , > = C = , > (> ) これを以下で推定する ̅ = = = 1 G 8H\$ I (=, >8)
15. PDP計算の具体例 dis lstat rm nox 1.94 21.5 6.19 0.679 1.94

5.21 6.43 0.458 1.94 17.3 6.05 0.538 1.94 3.73 6.68 0.631 予測結果を平均 dis lstat rm nox 6.06 21.5 6.19 0.679 6.06 5.21 6.43 0.458 6.06 17.3 6.05 0.538 6.06 3.73 6.68 0.631 dis lstat rm nox 4.45 21.5 6.19 0.679 4.45 5.21 6.43 0.458 4.45 17.3 6.05 0.538 4.45 3.73 6.68 0.631 dis lstat rm nox 1.36 21.5 6.19 0.679 1.36 5.21 6.43 0.458 1.36 17.3 6.05 0.538 1.36 3.73 6.68 0.631 予測結果を平均 予測結果を平均 予測結果を平均 dis lstat rm nox 1.94 21.5 6.19 0.679 6.06 5.21 6.43 0.458 4.45 17.3 6.05 0.538 1.36 3.73 6.68 0.631 ̅ J8K (1.96) ̅ J8K (6.06) ̅ J8K (4.45) ̅ J8K (1.36) ̅ = = = 1 G 8H\$ I (=, >8) 元データ Partial dependence functionの推定式

20. まとめと注意点 Partial Dependence Plotは因果関係の探索に⽤いることができる ただし、 • 学習済みモデル(⋅)は、真の関数(⋅)をうまく近似していなければならない • 変数の因果関係を把握するためには、データの因果構造に関するドメイン知 識が求められる

• PDPを因果効果として解釈するためにはバックドア基準が満たされている必要 PDPはあくまでも因果関係の探索・仮説の構築に⽤いるのがいいと思います PDPで⽴てた因果関係の仮説は、丁寧にデザインされた実験やより厳密な⼿法 を⽤いて確かめ、エビデンスを構築していく必要があります
21. 参考⽂献 • Zhao, Qingyuan, and Trevor Hastie. "Causal interpretations of

black-box models." Journal of Business & Economic Statistics just-accepted (2019): 1-19. • Hooker, Giles, and Lucas Mentch. "Please Stop Permuting Features: An Explanation and Alternatives." arXiv preprint arXiv:1905.03151 (2019). • Molnar, Christoph. "Interpretable machine learning. A Guide for Making Black Box Models Explainable", 2019. https://christophm.github.io/interpretable-ml-book/. • Przemyslaw Biecek and Tomasz Burzykowski “Predictive Models: Explore, Explain, and Debug. Human-Centered Interpretable Machine Learning”, 2019. https://pbiecek.github.io/PM_VEE/. • Hastie, Trevor, et al. "The elements of statistical learning: data mining, inference and prediction." The Mathematical Intelligencer 27.2 (2005): 83-85. • Satoshi, Kato “How to use in R model-agnostic data explanation with DALEX & iml”. https://www.slideshare.net/kato_kohaku/how-to-use-in-r-modelagnostic-data-explanation- with-dalex-iml.