ホーム / ディープラーニングの応用例 / モデルの解釈性 / SHAP
431
SHAP
ディープラーニングの応用例モデルの解釈性
SHAP とは、予測結果に対して各特徴量がどれだけ寄与したかを、公平な配分の考え方に基づいて算出する手法です。
ゲーム理論で、協力して得た報酬を貢献度に応じて分ける方法を応用しています。「年収が +30 万円、勤続年数が −10 万円」というように、寄与を数値で示せます。
個別の予測にも全体の傾向にも使え、理論的な裏づけがある点が評価されています。
ホーム / ディープラーニングの応用例 / モデルの解釈性 / SHAP
SHAP とは、予測結果に対して各特徴量がどれだけ寄与したかを、公平な配分の考え方に基づいて算出する手法です。
ゲーム理論で、協力して得た報酬を貢献度に応じて分ける方法を応用しています。「年収が +30 万円、勤続年数が −10 万円」というように、寄与を数値で示せます。
個別の予測にも全体の傾向にも使え、理論的な裏づけがある点が評価されています。