機械学習は高い予測精度が得られる一方で、モデルがブラックボックスとなる場合があり、入力と出力の関係の解釈性に問題を抱えている。モデルの入出力を可視化する手法として、PDP、ICE Plot、Forest Floorなどが提案されてる。本研究では、モデルに依存しない感度解析について検討することを目的とする。モデルに依存することなく、モデルの学習を効率化するメタ学習は、モデルの学習方法を学習するプロセスであり、MAML、OpenAI Reptileなどの手法が提案されている。OpenAI reptileを用いてニューラルネットワークの感度解析の実験を行い、その結果について考察した。
