15_SHAPでLightGBMの特徴量寄与を可視化する
Qiita / 2026/3/25
💬 オピニオンIdeas & Deep AnalysisTools & Practical Usage
要点
- LightGBMの「高い予測確率をどの特徴量が支えているか」をブラックボックス問題の観点から説明する内容です。
- SHAP（Shapley Additive exPlanations）を用いて、各特徴量の寄与を算出・可視化することで判断根拠を明確にします。
- 競馬AI文脈（keiba_ai_rui）での実装・分析を想定し、Pythonでの利用を前提に進める構成です。
- LightGBMのモデル解釈性を高め、特徴量選定や改善の意思決定に活用できることが主眼です。
はじめに
「モデルが高い確率を出しているが、どの特徴量がそう判断させているのか？」
LightGBMはブラックボックスとして扱われがちですが、**SHAP（SHapley Additive exPlanations）**を使うと各予測における特徴量の寄与を数値で把握できま...
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
