機械学習の「解釈」入門
本記事は、Navdeep GillとPatrick Hallによって執筆された"An Introduction to Machine Learning Interpretability"の翻訳です。
出版情報
出版日: 2018年4月
ISBN: 9781492033141
本の概要
イノベーションと競争が進むにつれ、データサイエンティストは、一層複雑な機械学習予測アルゴリズムを作ることに駆り立てられています。より複雑なモデルを作ることで、精度はあがりますが、その分、解釈が難しくなります。正確性が解釈性より重視された場合、ビジネス分野での採用、適用や規制の見落とし、モデルの説明等に影響を与えながら、人々の信頼を損ないます。[原文: When accuracy outpaces interpretability, human trust suffers, affecting business adoption, regulatory oversight, and model documentation. "human suffers"以降が具体的に何を示しているのか明確に理解できておりません。]
銀行、保険、医療などの予測モデルは、特に解釈性が求められます。本書では、H2O.aiのPatrick HallとNavdeep Gillが機械学習の「解釈」の入門書として、データサイエンティストがモデルの解釈性を維持しながら、精度度を向上させる機械学習の手法やアルゴリズムについてご紹介します。下記が本書の主なポイントです。
- 機械学習と予測モデルの実践的応用法
- 社会やビジネスの観点から、機械学習の解釈性を学ぶ意義（公平性、説明責任、透明性）
- 線形モデルとより精度の高い手法の違い
- そもそも「解釈性」とは何か？解釈性の最先端研究グループの活動
- 解釈可能な機械学習アプローチの分類や用語説明
- 実践的な解釈可能な機械学習モデルの訓練方法、複雑なモデルの説明の生成とデータの可視化方法
- モデル解釈性の自動的テスト方法
（今後、続きます）
筆者について
- 技術をより深く学ぶために、技術書を書きたい。Teching is the best way to learn.
- ただし、いきなりはハードルが高いので、まずは翻訳を通して「執筆」と「発信」を習慣化したい。
- Compare yourself with who you were yesterday
と考えている、マイペース・データサイエンティストです。
本記事について
- Qiitaでの投稿は初ですが、何かフィードバックをいただけたら幸いです。