はじめに
この実験では、予測モデルにおける特徴量の重要度を決定するために使用されるパーミュテーション特徴量重要度法について学びます。この手法は、解釈が難しい非線形または不透明なモデルに対して特に役立つ場合があります。
VM のヒント
VM の起動が完了したら、左上隅をクリックしてノートブックタブに切り替え、Jupyter Notebook を使って練習しましょう。
Jupyter Notebook の読み込みには数秒かかる場合があります。Jupyter Notebook の制限により、操作の検証を自動化することはできません。
学習中に問題が発生した場合は、Labby にお問い合わせください。セッション後にフィードバックを提供してください。すぐに問題を解決いたします。
Skills Graph
%%%%{init: {'theme':'neutral'}}%%%%
flowchart RL
sklearn(("Sklearn")) -.-> sklearn/UtilitiesandDatasetsGroup(["Utilities and Datasets"])
ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"])
sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"])
sklearn(("Sklearn")) -.-> sklearn/ModelSelectionandEvaluationGroup(["Model Selection and Evaluation"])
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/linear_model("Linear Models")
sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/inspection("Inspection")
sklearn/UtilitiesandDatasetsGroup -.-> sklearn/datasets("Datasets")
ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn")
subgraph Lab Skills
sklearn/linear_model -.-> lab-71127{{"パーミュテーション特徴量重要度"}}
sklearn/inspection -.-> lab-71127{{"パーミュテーション特徴量重要度"}}
sklearn/datasets -.-> lab-71127{{"パーミュテーション特徴量重要度"}}
ml/sklearn -.-> lab-71127{{"パーミュテーション特徴量重要度"}}
end