@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00219707,
 author = {樫原, 渉 and 撫中, 達司 and 板垣, 弦矢 and 齊藤, 志保 and 森, 郁海},
 book = {マルチメディア，分散，協調とモバイルシンポジウム2022論文集},
 month = {Jul},
 note = {生命の安全にかかわる制御系システムや，顧客開拓のための機器やサービスのレコメンドシステムなどに対して，機械学習を用いることがある．これらのシステムでは，判断根拠を明示的に示す必要があるため，機械学習の予測結果（出力値）に対する論理的な説明が求められる．本研究の目的は，機械学習における入力である特徴量と，出力値の間にある関係性を数値化し，予測結果に対する妥当性を利用者に定量的に示すことである．特徴量と出力値の関係性を数値化する従来方式の SHapley Additive exPlanations（SHAP）は，協力ゲーム理論の「シャープレイ値」を応用して，特徴量と出力値の関係性を特徴量ごとに貢献度として算出する．しかながら，SHAP は，3 つ以上の特徴量が出力値に影響するような関係を数値化できない．一方，提案手法は，特徴量どうしの依存関係や，入力する特徴量の組合せを変えたときの予測精度の変化量を基に，新しい指標である「重要度」を算出する．これにより，3 つ以上の特徴量が関係する場合も，数値化が可能となる．簡易的な検証の結果，3 つ以上の特徴量が関係する場合においても，一部の特徴量の組合せを除き，正しく数値化できることを確認した．},
 pages = {955--961},
 publisher = {情報処理学会},
 title = {特徴量間の関係を解釈する重要度を用いたレコメンドの特徴抽出方法の提案},
 volume = {2022},
 year = {2022}
}