解釈可能性

解釈可能な分類モデルの学習と複雑な分類モデルの解釈

線形モデル、決定木、一般化加法モデルなどの本質的に解釈可能な分類モデルを使用するか、解釈可能性機能を使用して、本質的に解釈可能でない複雑な分類モデルを解釈します。

分類モデルを解釈する方法については、機械学習モデルの解釈を参照してください。

関数

`lime`	Local Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
`fit`	Local Interpretable Model-agnostic Explanations (LIME) の単純モデルの当てはめ (R2020b 以降)
`plot`	Local Interpretable Model-agnostic Explanations (LIME) の結果のプロット (R2020b 以降)

`shapley`	シャープレイ値 (R2021a 以降)
`fit`	クエリ点のシャープレイ値の計算 (R2021a 以降)
`plot`	棒グラフを使用したシャープレイ値のプロット (R2021a 以降)
`boxchart`	Visualize Shapley values using box charts (box plots) (R2024a 以降)
`swarmchart`	Visualize Shapley values using swarm scatter charts (R2024a 以降)

`partialDependence`	部分依存の計算 (R2020b 以降)
`plotPartialDependence`	部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成

`fitcgam`	バイナリ分類用の一般化加法モデル (GAM) の当てはめ (R2021a 以降)
`fitclinear`	高次元データに対するバイナリ線形分類器の当てはめ
`fitctree`	マルチクラス分類用の二分決定木を当てはめる

`ClassificationGAM`	バイナリ分類用の一般化加法モデル (GAM) (R2021a 以降)
`ClassificationLinear`	高次元データのバイナリ分類用の線形モデル
`ClassificationTree`	Binary decision tree for multiclass classification

機械学習モデルの解釈
lime オブジェクトおよび shapley オブジェクトと関数 plotPartialDependence を使用してモデル予測を説明する。
機械学習モデルのシャープレイ値
介入型アルゴリズムまたは条件付きアルゴリズムを使用して機械学習モデルのシャープレイ値を計算する。
Shapley Output Functions
Stop Shapley computations, create plots, save information to your workspace, or perform calculations while using shapley.
特徴選択の紹介
特徴選択アルゴリズムについて学び、特徴選択に使用できる関数を確認します。
Explain Model Predictions for Classifiers Trained in Classification Learner App
To understand how trained classifiers use predictors to make predictions, use global and local interpretability tools, such as partial dependence plots, LIME values, and Shapley values.
Use Partial Dependence Plots to Interpret Classifiers Trained in Classification Learner App
Determine how features are used in trained classifiers by creating partial dependence plots.