出版社内容情報
機械学習の研究開発が急速な勢いで進んでいます。理論研究はもちろん、機械学習手法が実装されたオープンソースのパッケージ開発も進み、それらを実務で利用するためのノウハウも蓄積されてきています。結果として、機械学習をはじめたばかりの入門者でも比較的高い精度の予測モデルを構築できるようになりました。
Deep Learning
内容説明
あらゆる予測モデルを解釈する4つの手法PFI、PD、ICE、SHAP/特徴量の重要度/特徴量と予測値の関係性/インスタンスごとの異質性/予測の理由―そのモデルの振る舞いを説明できますか?
目次
1章 機械学習の解釈性とは
2章 線形回帰モデルを通して「解釈性」を理解する
3章 特徴量の重要度を知る―Permutation Feature Importance
4章 特徴量と予測値の関係を知る―Partial Dependence
5章 インスタンスごとの異質性をとらえる―Individual Conditional Expectation
6章 予測の理由を考える―SHapley Additive exPlanations
付録A Rによる分析例―tidymodelsとDALEXで機械学習モデルを解釈する
付録B 機械学習の解釈手法で線形回帰モデルを解釈する
著者等紹介
森下光之助[モリシタミツノスケ]
東京大学大学院経済学研究科で計量経済学を用いた実証分析を学び、経済学修士号を取得。株式会社グリッドに入社し、機械学習を用いたデータ分析プロジェクトに従事。現在はTVISION INSIGHTS株式会社で執行役員兼データ・テクノロジー本部副本部長。テレビデータの分析、社内データの利活用の促進、データ部門のマネジメントを行っている(本データはこの書籍が刊行された当時に掲載されていたものです)
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
ぶう
Taizo
yyhhyy
PenguinTrainer
しろっこー