解釈可能性

解釈可能な回帰モデルの学習と複雑な回帰モデルの解釈

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回帰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回帰モデルを解釈します。

回帰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)

`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

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。
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 Regression Models Trained in Regression Learner App
To understand how trained regression models use predictors to make predictions, use global and local interpretability tools, such as partial dependence plots, LIME values, and Shapley values.
部分依存プロットを使用した、回帰学習器アプリで学習させた回帰モデルの解釈
部分依存プロットを作成して学習済みの回帰モデルで特徴量がどのように使用されるかを判断する。