『機械学習を解釈する技術』の紹介 / Devsumi2022

Developers Summit 2022の「ITエンジニア本大賞2022」プレゼン大会での発表資料です。

https://event.shoeisha.jp/devsumi/20220217/session/3650/

機械学習解釈する技術はこちらからご購入いただけます
https://gihyo.jp/book/2021/978-4-297-12226-3

1. 2022/2/17 Developers Summit 2022 @dropout009
2. TVISION INSIGHTS Twitter: @dropout009 Speaker Deck: dropout009 Blog: https://dropout009.hatenablog.com/
3. Deep Learning GBDT Random Forest
5. 画像認識、⾳声認識、機械翻訳、… Deep Learning, Gradient Boosting Decision Tree, Random Forest, ... pytorch, LightGBM, scikit-learn, ...
6. LM GBDT RF DL GLM
8. LM GBDT RF DL GLM +
10. 4 PFI PD + ICE SHAP
11. 1. PFI 2. PD 3. ICE 4. SHAP 住宅価格 = 𝛽! + 𝛽" 部屋の数 + 𝛽# 駅からの距離 + ノイズ
12. Partial Dependence PD 𝑌 = 𝑋! − 5𝑋" + 10𝑋"𝑋# + 𝜖 𝑋!, 𝑋" ∼ Uniform −1, 1 𝑋# ∼ Bernoulli 0.5 𝜖 ∼ 𝒩(0, 0.01)
13. Python Partial Dependence @dataclass class PartialDependence: """Partial Dependence (PD)""" estimator: Any X: np.ndarray var_names: list[str] def _counterfactual_prediction( self, idx_to_replace: int, value_to_replace: float ) -> np.ndarray: """ある特徴量の値を置き換えたときの予測値を求める""" X_replaced = self.X.copy() X_replaced[:, idx_to_replace] = value_to_replace y_pred = self.estimator.predict(X_replaced) return y_pred ……… $ PD> 𝑥> = 1 𝑁 * ?@" A + 𝑓(𝑥> , 𝒙?,∖> )