AI用語集
人工知能の完全辞典
ルール抽出
ニューラルネットワークや決定木アンサンブルなどの複雑なモデルから、予測能力を維持したまま解釈可能な論理ルールを導出するアルゴリズムプロセス。
決定木ルール
決定木の構造から直接抽出される「もし-ならば（IF-THEN）」ルールの集合。根から葉への各パスが、組み合わされた論理条件を表す。
アソシエーションルール
データ内の変数間の関係を発見するための「もし前提条件ならば結果（IF antecedent THEN consequent）」の形式のルール。支持度や信頼度などの指標で定量化される。
ファジィルール
不確実性や不正確さを扱うためにファジィ集合を用いる論理ルール。厳密なブール条件ではなく、帰属度（メンバーシップ度）を可能にする。
ルールベースの説明
複雑なモデルの予測を、人間が理解可能なルールの集合に変換することで解釈する手法。透明性と信頼性の向上に寄与する。
ルールプルーニング
一般化能力と解釈可能性を向上させるために、冗長または不要な条件を排除してルールの集合を単純化する枝刈り（プルーニング）手法。
ルールマイニング
AprioriやFP-Growthなどのアルゴリズムを用いて、データ内の有意なパターンや関係を論理ルールの形式で自動的に発見するプロセス。
論理ルール
知識や推論を構造化された方法で表現するために、数学的論理（命題論理または一階述語論理）に基づく形式的なルール。
IF-THENルール
条件（IF）がアクションや結論（THEN）をトリガーする意思決定ルールの基本構造であり、エキスパートシステムや説明可能性の基礎を形成します。
ルールベースの解釈可能性
明示的なルールを通じてモデルを理解する能力であり、事後説明手法を必要とするブラックボックスとは対照的に、内在的な透明性を提供します。
ルールの単純化
類似した条件を組み合わせ、冗長性を排除し、人間による理解を深めるために構造を最適化することで、ルールの複雑さを低減するプロセスです。
ルールベースのモデル圧縮
予測性能を維持しながら、複雑なモデルを同等だがよりコンパクトなルールセットに置き換えることで、モデルサイズを縮小する手法です。
ルールベースの特徴量重要度
抽出されたルール内での出現頻度と影響に基づいて変数の重要度を評価する手法であり、予測におけるそれらの役割を直感的に解釈できます。
ルールベースの反事実
モデルの予測を変更するために変更が必要な最小限の条件を示すルールの形式で仮説的なシナリオを生成し、因果分析を容易にします。
ルールベースの局所的説明
個別の予測に固有の説明であり、その特定の決定に至った正確な条件を記述する局所的なルールの形式で生成されます。
教師的ルール抽出
モデルをブラックボックスとして扱い、モデルの内部構造にアクセスせずに入出力のみを使用してルールを導出するルール抽出アプローチです。
分解的ルール抽出
モデルの内部構造（ニューロン、重み）を分析し、元のモデルの動作を直接反映するルールを生成する抽出手法。
ルール忠実度
元のモデルの予測と、抽出されたルールセットによって生成された予測との間の一致度を定量化し、抽出の品質を評価する指標。