Accumulated Local Effects（ALE）で機械学習モデルを解釈する - Dropout

テクノロジーカテゴリーの変更を依頼記事元:

dropout009.hatenablog.com

23 usersがブックマークコメント

コメント

3

記事へのコメント3件

注目コメント
新着コメント

rawwell "ALEについてより詳しく知りたい場合は元論文のApley and Zhu(2020)をご確認ください"

2021/08/20 リンク

skypenguins “ALEは特徴量が強く相関する場合でも、（データが存在する範囲での）特徴量をとモデルの予測値の関係をうまく解釈することができる”

2021/08/20 リンク

misshiki “特徴量に相関があるとなぜPDがうまく機能しないのかを説明し、この状況でうまく機能する手法としてAccumulated Local Effects（ALE）を紹介。PythonでALEのアルゴリズムを実装することを通じてALEの振る舞いを確認”

2021/08/11 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

{{ total_bookmarks_with_user_postfix }}{{ root_title }}

Accumulated Local Effects（ALE）で機械学習モデルを解釈する - Dropout

はじめに Partial Dependence 特徴量が独立の場合数式による確認 PDの実装特徴量が相関する場合 PDが... はじめに Partial Dependence 特徴量が独立の場合数式による確認 PDの実装特徴量が相関する場合 PDがうまく機能しない原因 Marginal Plot Marginal Plotの数式 Marginal Plotのアルゴリズム Maginal Plotの実装 Accumulated Local Effects ALEのアイデア ALEはうまく機能するのか ALEのアルゴリズム ALEの実装 ALEの数式まとめ Appendix：線形回帰モデルの場合参考文献この記事をベースにした発表資料です！ speakerdeck.com はじめに Random Forestやディープラーニングなどのブラックボックスモデルは、予測性能が高い一方で解釈性が低いというトレードオフを抱えています。これを克服するために、ブラックボックスモデルに後から解釈性を与える「機械学習の解釈手法

ブックマークしたユーザー

stang4992022/06/15
n_knuu2021/09/13
rawwell2021/08/20
skypenguins2021/08/20
dhesusan46492021/08/18
trycycler2021/08/18
morioka2021/08/18
esuji52021/08/18
coppercrap2021/08/18
mktj26852021/08/18
marices1992021/08/18
taiyo-k2021/08/18
ZAORIKU2021/08/18
imyutaro2021/08/18
vaaaaaanquish2021/08/18
abrahamcow2021/08/18
sakito09022021/08/12
mokemokechicken2021/08/12

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

設定を変更しましたx