医療分野やビジネスへの機械学習の活用は、予測性能に加えてその信頼性や解釈性がより重要視されることがある。こういった要求に対して、人間が対象に対する背景知識を論理式として表現し、モデルの出力結果が与えられた論理制約を満たすように学習するアプローチが注目されている。しかし、このアプローチでは、対象のタスクに対して、すべての論理制約をマニュアルで設定する必要があり、非常に労力がかかるという問題がある。本研究ではテーブルデータを対象にし、機械学習ベースのルールの自動的な獲得手法であるRuleFitと論理制約下での予測モデル構築手法を組み合わせたフレームワークを提案する。また、本フレームワークを評価するために、糖尿病のベンチマークデータセットを用いて、データセットモデルの予測精度と制約の充足率を調査した。さらに、複数の制約下での予測モデル構築手法を比較し、予測精度と制約の充足率の両方を評価した。
