LIMEを用いて機械学習（回帰モデル）の予測結果を解釈してみた - Qiita

製造業出身のデータサイエンティストがお送りする記事 今回はLIMEを用いて機械学習（回帰モデル）の予測結果を解釈してみました。 はじめに 前回、機械学習の予測モデルをscikit-learnを活用して実装してみました。また、構築したモデルは評価指標を用いてモデルを評価します。 しかし、評価指標だけでモデルの良し悪しを判断するのは危険であり、構築したモデルが実態と乖離している場合があります。つまり、汎化能力が低いモデルである可能性があるということです。 汎化能力を高める方法は多々ありますが、製造現場では構築したモデルの解釈性を求められることが多いです。実際は、回帰モデル系であれば各説明変数の回帰係数の正負や標準偏回帰係数で変数間の影響度を見て固有技術と合致しているかを見極めたりします。また、決定木系のモデルであれば変数重要度を見て判断をします。 しかし、決定木系のモデル（RandomFore