ニューラルネットワークに基づく時系列回帰モデルの解釈可能性の評価

抄録

製造業をはじめとする産業において，多変量時系列データを説明変数とした予測モデルを構築し運用する場合，モデルの精度だけでなく解釈可能性を考慮したモデルが必要となる．特に，線形回帰やニューラルネットワークを予測モデルとして利用する場合，重回帰係数や偏微分などの値を用いて貢献度の高い説明変数を特定し，モデルの妥当性の解釈が行われることがある．解釈可能性を担保するためには，モデルとデータから計算されるアトリビューションがある程度単純である必要があるが，決定係数などの評価指標が高い予測モデルが必ずそうであるとは限らない．これまでアトリビューションの単純性と精度などの評価指標の関係についての研究はあまりされてこなかった．本研究では，多変量時系列データに対して時系列回帰モデルをさまざまな条件で作成し評価実験を行った．実験から，学習終了条件に損失関数を用いたEarly stoppingを設定した際に評価指標の精度は高いが，アトリビューションが複雑でモデルの解釈可能性が低い場合が見られたなど，さまざまな観点から解釈可能性と評価指標の関係を明らかにする．