実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング

Pradeepta Mishra 株式会社クイープ

レビュー募集中！

3,600pt/3,960円(税込)

会員登録限定70%OFFクーポンで
1,080pt/1,188円(税込)

会員登録して
70%OFFで購入

お気に入りに追加

小説・実用書

ランキング

作品内容

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。

XAI Pythonライブラリで予測結果を説明。
ブラックボックスからグラスボックスへ。

ビジネス上の意思決定につながる機械学習の予測には、解釈・説明が求められます。
そこで、そうした解釈・説明を行うための手法を紹介していきます。

まず、モデルの説明可能性と解釈可能性の全体像、倫理的に考慮すべき点、
生成された予測のバイアスについて説明します。

次に、LIME、SHAP、Skater、ELI5、skope-rulesといったPythonライブラリを使って、
モデルがなぜそのように予測するのかを探っていきます。

予測モデルとして、線形・非線形モデルのほか、アンサンブルモデル、時系列モデル、
自然言語処理、ディープラーニング、コンピュータービジョンを取り上げます。

本書は解釈・説明のための方法を包括的に取り上げており、
機械学習を実際の現場で活用する方にぜひ手に取っていただきたい一冊です。

【章構成】
第1章モデルの説明可能性と解釈可能性
第2章 AIの倫理、偏見、信頼性
第3章線形モデルの説明可能性
第4章非線形モデルの説明可能性
第5章アンサンブルモデルの説明可能性
第6章時系列モデルの説明可能性
第7章自然言語処理の説明可能性
第8章 What-Ifシナリオを使ったモデルの公平性
第9章ディープラーニングモデルの説明可能性
第10章 XAIモデルの反実仮想説明
第11章機械学習での対比的説明
第12章予測不変性の特定によるモデル不可知の説明
第13章ルールベースのエキスパートシステムでのモデルの説明可能性
第14章コンピュータビジョンでのモデルの説明可能性

◎Pythonの文法・ライブラリや機械学習について
標準的な知識を理解している必要があります。