機械学習を活用すれば、膨大なデータをもとにして、さまざまな事柄について予測値を導き出すことができます。しかし、実際にその予測値を役立てるためには、なぜそうした予測結果になったのかを理解することが重要です。予測値を解釈するための手法 ...

SHAP（Shapley Additive Explanations）は、機械学習モデルの予測を解釈するための方法論です。ゲーム理論のShapley値に基づいており、どんな機械学習のモデルにも用いることができます。 今回はshapを利用して、特徴量の寄与度を可視化してみたいと思います。

SHAP（SHapley Additive exPlanations）を用いたモデルの解釈に関するコード例とリソースをまとめました。 SHAP の公式ドキュメントでは、線形回帰モデルやブースティングモデル、Transformer ベースの NLP モデルなど、さまざまなモデルに対する SHAP 値の計算と可視化 ...

大規模言語モデルのGPT-4やチャットボットAIのChatGPTを開発するOpenAiが、テキストや画像を入力することで3Dモデルを自動生成するAI「Shap-E」を発表しました。Shap-Eはオープンソースで開発されており、無料で使用できます。 GitHub - openai/shap-e: Generate 3D objects ...