このセクションの他の記事
要因説明機能について、
ご説明します。
要因説明機能はそれぞれの属性データが目的変数にどれ位の影響を与えたかを可視化する機能です。
下の画像は、学習後に学習とテストに使用したデータを使って「寄与の大きさを表す」内容です。
以下の学習は「タイタニック生存者_AI学習用」のデモデータで行っています。
１．学習に使った値（訓練データ）が表示されます。
２．寄与（学習の影響度）の大きさを表しています。
上図は寄与の大きさを表した図で、データ毎の寄与度が出せます。
学習データとテストデータを合わせ、データの寄与度を平均して寄与度が高い順に並べています。
ここで重要なのは相対的な大きさであり、横の値の大きさを気にする必要はありません。
次の画像は、
学習後に学習とテストに使用したデータを使って「正と負のどちらの寄与かの詳細を表す」内容です。
画像の学習も「タイタニック生存者_AI学習用」のデモデータで行っています。
１．学習に使った値（訓練データ）が表示されます。
２．正と負の寄与の詳細、判断内容を表しています。
下記画像にて、正と負の寄与の表示についてご説明します。
１．性別カラムの０は女性を表しています。（女性を前処理で０に設定したため）
２．性別カラムの１は男性を表しています。（男性を前処理で１に設定したため）
３．０～＋Xは生存を表しています。（プラスに行くほど生存の判定となる）
４．－X～０は死亡を表しています。（マイナスに行くほど死亡の判定となる）
このことから「０（女性）ほどプラス（生存）」である事がわかり、
「１（男性）ほどマイナス（死亡）」である事がわかります。
それでは、性別の隣にあるチケットクラスの要因説明を見てみましょう。
・１ｓｔクラスは数値１を設定している
・２ｎｄクラスは数値２を設定している
・３ｒｄクラスは数値３を設定している
・生存は０～＋X
・死亡は－X～０
チケットクラスの要因説明の正解は、
・１ｓｔクラスの生存率が高い
・２ｎｄクラスの生存率は比較的高いが、１ｓｔクラスに比べると死亡率が上がる
・３ｒｄクラスの生存率は極めて低い
との要因説明となります。