高精度な予測と解釈のしやすさを両立する自己説明型機械学習の研究

点击翻译按钮获取中文摘要

本研究の目的は、従来の機械学習法が持つ高い精度は維持しつつ、既存の説明手法における問題点を解決するために、高い分類・予測精度とともに、予測結果の根拠を信頼できる形で分かりやすく説明することができる「自己説明型機械学習法」を開発することである。 ここで「説明」とは、機械学習の予測結果に対する特徴の寄与をユーザに示すことである。 本研究における自己説明型機械学習法は、(1)高速な推論、(2)予測と説明の一致性、(3)説明の一貫性、(4)説明の不確実性の提示、(5)高い予測精度、(6)説明の簡素性の6つの性質を満たすことを目指す。以前から自己説明型機械学習法による予測結果を解釈可能なニューラルネットワークの研究を進めており、2022年度はこの研究成果を論文としてまとめ、国際論文誌に掲載された。この手法は、上記の性質(1),(2),(5)を達成するものである。また、この手法を発展させ、ニューラルネットワークによる予測を簡素なルールを生成して行う研究を行い、研究会で発表した。この手法は、上記の性質(1),(2),(4),(5),(6)を満たすものである。