本稿ではAI分析手法による結果の説明可能性を高める手法として広く普及しているShapley値及びSHAPの用途と解釈を日本の出生率の県別比較という具体的例を用いて説明する。出生率を被説明変数、婚姻件数等を説明変数として回帰を行った場合、Shapley値ではない生の説明変数値を用いた場合では、被説明変数との相関性は抽出できない場合が多い。これに対してShapley値を用いた場合、被説明変数とのより強い相関性が得られる。この理由は、Shapley値が個々のデータの特性関数に基づき計算されるからである。県の構造的特性は県ごとに異なり、同じ婚姻件数でも効果は異なる。同様に医学分野では個々人の体質等の特性により、同じ条件下でも発症率は異なると考えられる。複数要因を、特性関数を用いて比較検討し、その個人の構造特性に基づき要因の重要度を決定可能とする点がShapley値による回帰の利点である。そのSHAPの潜在的意味について本稿ではグラフィクスを用いて分かり易く説明する。
