産業分野の様々な課題に対する機械学習の適用機会の増加に伴い、MLOpsと呼ばれる継続的なモデル運用を支援する技術に注目が集まっている。MLOpsを通してモデルを継続的に改善・運用するためには、「モデルが低性能」や「予測対象が異常サンプル」などのモデルの予測誤差の要因を見つけ出し適切な施策を講じる必要がある。 さらに、各予測誤差要因が予測誤差にどの程度影響しているのかを定量的に評価することで、各要因に対応する施策の有効性を予め検討することが可能になる。本研究では、運用データの１つのサンプルに対する予測誤差を複数の予測誤差要因からの寄与度の和に定量的に分解する手法を提案する。提案手法は、まず、予測誤差要因に関係する複数の指標を算出し、次に予測誤差を回帰するモデルを作成する。最後に、作成した回帰モデルを用いて予測誤差を分解することで、各予測誤差要因の寄与度を算出することができる。オープンデータを用いた数値実験を通して提案法の有用性を検証した。
