購入を迷う場合

もし立ち読みされて購入を検討したい場合は、

• 1.3: 機械学習の解釈方法
• 1.6: 本書に書いていること、書いていないこと

に目を通してみると良いと思います。

本の導入としてはやはり

• 1.1: 機械学習の解釈性を必要とする理由

から始まるのが妥当ですが、この本が気になる人は必要な理由に心当たりくらいあると思います。なので、立ち読みでは読み飛ばしてもいいかと思います¹。

立ち読みなら本書の考え方がぎゅっと詰まった1.3と、前提知識がわかる1.6は外せないでしょう。といっても前提知識に高いハードルを求めているわけではありません。

頭から順に読みたい本

技術書というと、つい気になるところからつまみ食いしがちです。しかし本書は章構成が非常によく練られており、頭から読むのがいいと思いました。

1章は、本書が4つの解釈手法に絞った理由や、その順序の意図を知る上で重要です。これを読んでこそ、「解釈手法」を知るのではなく、「解釈する技術」が身につくと感じます。

2章は、線型モデルが備える4種の解釈性を紹介しています。この4種とは、順序こそ違えど、3章から6章にかけて紹介していく解釈手法に相当するものです。特にモデル解釈初心者は、2章を読んでおくことで、モデル解釈のキモを俯瞰できます。そうでなくとも、何ができればブラックボックスモデルも線型モデル並みに解釈できると言えるのか、改めて考えるきっかけになります。

3章から6章は解釈手法の各論です。マクロな視点から解釈し、不足をよりミクロな視点から解釈するという流れで章が進みます。したがって各章が次章の導入にもなっており、順に読むことで理解が深まります。

付録が充実

斜め読みですが、充実しているなと感じました。

付録Aでは、Rでモデルを解釈する方法としてDALEXパッケージを紹介しています。特徴量重要度ならvipパッケージ、Partial Dependencyならpdpパッケージを使ったことがありましたが、一つのパッケージで一通りできるDALEXは便利そうですね。 Rも使う人ならぜひ抑えておきたい章です。

付録Bでは、線型モデルに本書で紹介したアルゴリズムを適用し、線型モデルが本来備える解釈性との整合性を確認します。計算時間やハードウェアの制約から、どうしても線型モデルにしたい、といった場合に、ブラックボックスモデルと線型モデルを同じ指標で解釈できることは武器になると思います。ブラックボックスモデルで精度を出しておき、線型モデルをそこに近付けるといったことを考えた時、解釈の差分を得れば次のステップが見えてきそうな気がしました。

冒頭の解説がイカス

特に「なぜ本書が必要なのか」では、文献を参照しつつモデル解釈手法発展の背景や歴史に触れていて読み応えがあります。「ステップアップのために」など、本書を読み終えてから改めて目を通す価値のあるネタもあり、漏れなく読んでおきたいところです。