技術評論社の機械学習を解釈する技術を読みました
簡単な線形回帰の機械学習の解釈から入って、ブラックボックスモデルに拡張していきます。 Jupyter Notebookがあるので実際に動かしながら効果を確認できます。
そんなに古い本のイメージはないのですが、意外と動かないコードも多く苦労しました。
本の最初に、Interpretable Machine Learningがこの本からのステップアップとして紹介されています。
読んだ感じでは、むしろ逆でInterpretable Machine Learningを先に読んだ方が良いと感じました。全体の話とインスタンスの話、グローバルとローカルの違い等は、Interpretable Machine Learningで先に理解したほうが、この本をわかりやすく読めると思います。
最後はSHAPが紹介されていて、名前は聞いたことあるレベルだったのが、この本で使い方が良く分かるようになりました。 SHAPはブラックボックスなモデルに対して、再学習なしでインスタンスとグローバルの解釈が可視化できます。素晴らしい。
github.com から。
トピックを絞る事で、一つ一つの説明が多めになっていて分かりやすかったです。 Interpretable Machine Learningと合わせて最初の一歩としてお勧めです。
