機械学習モデルの推論は帰納法的でかつ一般に複雑なブラックボックスであるため従来のソフトウェアテスト手法を適用することが難しく、機械学習ソフトウェアに適したテスト手法が必要である。本研究では決定木アンサンブルモデルを対象として、期待する検証性質をモデルが満たすか否かを厳密に検証し、検証結果を要約して提示可能な形式検証手法を提案する。提案手法は、検証性質の入力領域を効率的に探索することで検証違反を網羅的に列挙し、違反に人が適切に対処できるように違反領域を要約して提示する。回帰・二値分類・多クラス分類の3タスクを含む4データセットで実験した結果、提案手法は従来手法よりもはるかに高速に検証を完了できることを確認した。また、提示した違反領域の良し悪しを定量化するために提案した評価指標を比較した結果、提案手法が従来手法よりも質の高い違反領域を提示できることが分かった。
