機械学習を解釈する技術

記事ごとの説明は、記事本文のうちこの本に触れた部分をAIが要約したもので、筆者の原文ではありません。

• エンジニアに読んで欲しい技術書90選 Qiita · S4nTo · 2023年10月 · いいね 1,890

  機械学習プロジェクトではモデルの振る舞いを把握し、その説明を求められる場面が頻繁にあると述べている。本書については、モデルの解釈性に焦点を当てて解説し、予測精度と解釈性のトレードオフを克服する手法も扱うとしている。さらに、そうした手法を直感的にわかりやすく説明しているため、数式が苦手な人にも読みやすいと評価している。

• 今年読んだ書籍の読書記録【2022年版】 Qiita · Hideharu Nagakura · 2022年12月

  2022年の読書記録の「機械学習」欄で本書を取り上げ、機械学習の予測精度と解釈性のトレードオフを克服するための手法を紹介する本として説明している。予測精度と解釈性の両立を目指す手法が主題だと簡潔にまとめている。

• XAI書籍2022 Qiita · daikikatsuragawa · 2022年12月 · いいね 5

  本書を実務を見据えたXAIの概要と、実務で特に有用と考える手法を解説する書籍として紹介している。線形回帰モデルが持つ解釈性を扱うほか、ブラックボックスなモデルに解釈性を与える手法として、Permutation Feature Importance（PFI）、Partial Dependence（PD）、Individual Conditional Expectation（ICE）、SHapley Additive exPlanations（SHAP）を挙げている。これらの手法が有用な場面を考える際の参考になるとしている。

• 【2021年】 技術書好きプロエンジニア達が紹介する40選 企業テックブログ · ラクス · 2021年9月

  LT会の発表者は、予測精度が高い一方で解釈性が低い機械学習モデルについて、そのトレードオフを克服する手法を厳選して紹介した本として説明している。ブラックボックスモデルに解釈性を与える手法が学べる。注意点として、PFI、PD、ICE、SHAP以外の手法や、予測精度向上のテクニック、因果推論などは書かれていないと述べている。