予測に対する変数の影響を評価の仕組み
予測に対する変数の影響を評価 ツールは、フォレストベースおよびブースト分類と回帰分析 ツールによって作成された空間統計モデル (.ssm) ファイルで、説明変数が予測値にどのように影響するかを評価します。 入力モデル ファイルのトレーニングに使用したものと同じ説明変数、および一致する説明変数フィールド、距離フィーチャ、説明ラスターを含む入力フィーチャを指定する必要があります。 このツールは、どの変数が予測値に影響を与えたか、および関係の形状を示すチャートや値を含む出力テーブルを作成します。
通常最小二乗法 (OLS) やロジスティック回帰などの従来の回帰モデルでは、係数を通じて変数の影響を説明します。 たとえば、OLS の係数は、特定の説明変数が増加したときに予測値がどの程度増加または減少するかを示し、ロジスティック回帰の係数は、カテゴリーを予測する際にオッズ比がどのように変化するかを示します。 しかし、機械学習モデルは通常非線形であり、説明変数の値の違いによって予測がどのように変化するかを説明する単純な係数はありません。 各説明変数が予測値に与える影響を可視化する一般的な方法は、部分依存プロットを使用することです。
部分依存プロット
部分依存プロットは、他のすべての説明変数の値を固定したまま、各説明変数のさまざまな値に対して予測が平均的にどのように変化するかを示します。 たとえば、OLS では、部分依存プロットは係数に等しい傾きを持つ直線になります。 ただし、機械学習モデルでは関係が非線形であるため、説明変数の一部の範囲では予測が増加し、他の範囲では減少したり、より複雑な曲線を形成したりする場合があります。
たとえば、以下のプロットは、従属変数が説明変数のさまざまな値に対してどのように反応するかを示しています。 説明変数の値が大きい場合と小さい場合は、平均して予測値が大きくなりますが、中間の値では予測値が小さくなります。
注意:
説明変数の部分依存プロットは、説明変数のさまざまな値で予測を行い、他のすべての説明変数を元の値と同じに保つことで作成されます。 テスト対象の各値について、各入力フィーチャの予測が計算され、その後平均されます。 その後、平均値は説明変数のテスト値に対してプロットされます。
連続説明変数
連続変数の部分的な応答 チャートは、各連続説明変数の部分依存プロットを表示します。 説明変数の値は X 軸に、平均予測値は Y 軸に表示されます。
各連続説明変数は左側のグリッドに表示され、各変数をクリックすると右側に個別のチャートを表示できます。 グリッド内のプロットは、効果を比較しやすくするために、Y 軸の縮尺が同じになっています。
カテゴリー説明変数
カテゴリー変数の部分的な応答 チャートは、各カテゴリー説明変数の部分依存プロットを表示します。 X 軸にはカテゴリー変数の各カテゴリーが表示され、Y 軸には平均予測値が表示されます。
たとえば、次の画像は、色とタイプの 2 つのカテゴリー説明変数の部分依存プロットを示しています。 色変数の場合、青では予測値が小さくなります。赤はより大きな予測値を示します。緑色はやや大きな値を示します。 同様に、タイプ C では予測値が小さくなり、タイプ A と D では予測値が大きくなります。
カテゴリー従属変数
従属変数がカテゴリー (分類モデル) の場合、部分依存プロットは各変数が各カテゴリーに分類される確率にどのように影響するかを示します。 デフォルトでは、各チャートの Y 軸にはフィーチャが最初のカテゴリーに分類される平均確率が表示されますが、チャート プロパティ ウィンドウでチャートに表示されるカテゴリーを変更できます。 データ タブで、数値フィールド の下にある 選択 ボタンを押し、表示するカテゴリーを選択します。 部分依存プロットをチャートに正しく表示するには、一度に 1 つのカテゴリーのみを有効にします。
ベスト プラクティスおよび制限
このツールを使用する際のベスト プラクティスと制限を次に示します:
- 部分依存プロットでは、各説明変数が独立していることを前提としています。 部分依存プロットは各説明変数の効果を単独で示しますが、複数の変数が相関し相互情報を共有している場合、プロットはそれぞれの影響を分離できません。 これは従来の回帰における多重共線性に類似しています。