Machine learningMachine learning
説明可能なサポートベクターマシン
説明可能なSVMは、訓練済みのサポートベクターマシンと、通常はSHAPまたはLIMEである事後解釈可能性レイヤーを組み合わせることで、個々の予測に対する特徴量レベルの説明と、グローバルな重要度ランキングを生成します。これにより、SVMの識別能力を維持しつつ、医療、金融、法律といった高リスク領域における透明性要件を満たします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Lundberg, S. M., & Lee, S. I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). 'Why should I trust you?': Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. DOI: 10.1145/2939672.2939778 ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Support Vector Machine (XAI-augmented SVM). ScholarGate. https://scholargate.app/ja/machine-learning/explainable-support-vector-machine
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 説明可能な決定木機械学習↔ compare
- 説明可能な勾配ブースティング機械学習↔ compare
- 説明可能なナイーブベイズ機械学習↔ compare
- 説明可能なランダムフォレスト機械学習↔ compare