人口データの異常に対する機械学習の解釈性に基づく原因推定手法

抄録

事故や災害など平常とは異なる事象が生じると、交通に障害が発生し混雑や移動困難となる。このような状況を緩和するためには、人の移動データから異常の原因を正確に検出し迅速な対応をすることが求められる。 異常検知の手法として次元削減による再構成誤差を求める手法が提案されている。しかし同手法による再構成誤差は特徴量間の相関の影響を受けて算出されるため、異常の原因を十分に説明できない課題がある。 そこで本稿では次元削減の再構成誤差を求める際に利用される説明変数のSHAP値を算出した。同手法の有効性を確かめるため、人の移動にまつわるデータセットを作成し提案法を適用した。実験結果により従来手法に対して、より高い精度で異常を説明できることが示された。