AI用語集
人工知能の完全辞典
LIME可視化
LIME（Local Interpretable Model-agnostic Explanations）によって特定の予測に対して生成された説明の図形的表現。この可視化は、モデルの個々の決定に影響を与える局所的な特徴を強調します。
決定境界プロット
特徴空間における分類モデルの決定境界を示す2Dまたは3Dの可視化。このグラフは、予測空間でモデルが異なるクラスをどのように分離するかを示します。
混同行列ヒートマップ
モデルの分類性能を示す混同行列の色付き視覚表現。このヒートマップにより、最も頻繁に発生する分類エラーの種類を迅速に特定できます。
ROC曲線の可視化
真陽性率と偽陽性率のトレードオフを示すROC曲線（受信者動作特性曲線）を表すグラフ。この可視化により、異なるしきい値におけるモデルの識別性能を評価できます。
学習曲線プロット
訓練データセットのサイズに基づくモデルの性能の変化を示すグラフ。この可視化は、モデルの過学習または未学習の問題を診断するのに役立ちます。
検証曲線プロット
特定のハイパーパラメータの変化に基づくモデルの性能の図形的表現。このグラフにより、ハイパーパラメータの最適な値を特定し、それらがバイアスと分散に与える影響を理解できます。
残差プロット
予測値または入力特徴に対する残差（予測誤差）の可視化。このグラフは、モデルの仮定を検証し、エラー内の体系的なパターンを特定するのに役立ちます。
モデルキャリブレーションプロット
モデルによって予測された確率と観測された経験的頻度を比較する信頼性ダイアグラム。この可視化は、モデルの確率的予測が適切にキャリブレーション（較正）されているかどうかを評価します。
決定木の可視化
決定ノード、分割基準、および末端のリーフ（葉）を示す決定木構造のグラフによる表現です。この可視化により、モデルの意思決定プロセスを明確に理解することができます。
埋め込み射影
t-SNEやUMAPなどの手法によって次元削減された高次元の埋め込み（エンベディング）を2Dまたは3Dで可視化したものです。このグラフは、モデルが学習したデータ表現における構造やクラスターを明らかにします。
特徴量分布プロット
入力特徴量の分布を示すグラフで、異なるグループやクラス間で比較されることが多いです。この可視化は、データのプロファイルや潜在的なバイアスを理解するのに役立ちます。
モデル係数プロット
線形モデルの係数を信頼区間とともに可視化したものです。このグラフにより、線形モデルにおける各特徴量の重要度と影響の方向性を評価することができます。
予測説明ダッシュボード
特定の予測を説明するために、複数の可視化を組み合わせた対話型インターフェースです。このダッシュボードは、モデルの決定に関する包括的な概観を提供するために、様々な解釈技術を統合しています。
特徴量相関ヒートマップ
特徴量間の線形関係を示す相関行列をヒートマップとして可視化したものです。この可視化は、多重共線性や変数間の依存関係を特定するのに役立ちます。
モデル性能レーダーチャート
異なる軸上で複数のモデル性能指標を比較するレーダーチャートです。この可視化により、異なる次元に基づいてモデルの長所と短所を迅速に評価することができます。