キャンセル
次の結果を表示 
次の代わりに検索 
もしかして: 
DataRobot コミュニティ

ニューラルネットワークモデルにおける「係数」タブの考え方について

Hyuga
イメージセンサー

ニューラルネットワークモデルにおける「係数」タブの考え方について

モデルタブのリーダーボードにおいて各モデルの詳細を参照する際の考え方を教えてください。

 

モデルの内、線形モデルであるモデルに対しては各モデル内の「説明」にて「係数」を確認する事が出来ると存じます。

係数について:https://docs.datarobot.com/ja/docs/modeling/analyze-models/describe/coefficients.html

 

そのうえで予測モデルを作成していたところ普段はあまり使用しないニューラルネットワークモデルがリーダーボード上の上位に来ました。

【例:Keras Slim Residual Neural Network Classifier using Training Schedule (1 Layer: 64 Units)】

モデルの解釈を行っていたところ「係数」というメニューが使用でき、参照できたのですがニューラルネットワークにおける「係数」というのはどのような考えでどう解釈するのが正しいかご教示いただければと存じます。

 

よろしくお願いいたします。

1件の返信1
Hiroki Hamagami
データサイエンティスト
データサイエンティスト

@Hyuga  さん

ニューラルネットワークでの「係数」について、ご質問ありがとうございます!

まず、Keras Slim Residual Neural Network Classifier using Training Schedule (1 Layer: 64 Units)の「係数」をどのように決定しているのかお伝えします。

こちらのニューラルネットワークは、入力層の後に2つのレイヤーに分岐しています。一方が線形的なパススルー層で、他方が非線形的な隠れ層です。入力値が、それぞれの層で線形的または非線形的に変換されて、予測値が出力されるネットワークとなっています。こちらは「ニューラルネットワーク視覚化ツール」タブで確認できるので、ぜひご確認ください。

そして、「係数」タブで表示されるのは、線形的なパススルー層の係数です。したがって、パススルー層における入力と出力の線形的な関係性を表しており、以下のような情報を得られます。ここで、注意すべきなのが、「係数」タブは、隠れ層は無視しているので、あくまで各特徴量とターゲットの線形的な関係性を表すインサイトになります。

  • 各特徴量が予測値に与える影響はどの程度なのか
  • どの特徴量がターゲットにプラスやマイナスの影響を与えるのか

なお、KerasモデルとElastic-Netなどの線形モデルとでは使用されるソルバーが異なるので、「係数」タブに表示される値は同じではありません。そのため、それぞれのモデルで異なるインサイトが得られます。

以上、ニューラルネットワークの「係数」の仕様と解釈について回答しました。

不明点などありましたらお気軽にご質問ください!