【教材紹介】機械学習を解釈する技術

多くの企業で導入されるようになってきた機械学習。
その機械の判断基準、本当にわかっていますか？

今回は、実務に利用するために最低限の技術として、変数（特徴量）の重要度や変数と予測値の関係性を求める方法を解説した書籍を紹介します。

名称

機械学習を解釈する技術

著者

森下光之助

概要

地味な表紙をしている本書。
ただ、内容は今後とても重要だと考えられます。
なぜなら、新聞でよく出てくるようなAIの解釈性を担っているのは、ほとんどがこれらの技術だと言って過言ではありません。

特徴量の重要性、変数と予測値の関係性、個別サンプルの予測説明。
そして、それらをまとめて確認できるSHAP（SHapley Additive exPlanations）。
テーブルデータに利用するそれらの方法を、ライブラリと簡単な数式で読み解きます！

必要知識

機械学習の基礎的な知識
高校数学レベルの数式を読む力

得られるスキル

テーブルデータに対するXAI理論
Python、機械学習の解釈性の定義、線形会期モデル、Permutation Feature Importance、Partial Dependence、Individual Conditional Expectation、SHAP（SHapley Additive exPlanations）

こちらは、テーブルデータを重点的に説明した書籍です。いろいろなデータの大局的な説明が必要な場合は、【教材紹介】XAI(説明可能なAI)をご覧ください。
その他の教材紹介ページはこちら → Skill Stacks