AI用語集
人工知能の完全辞典
入力摂動テスト
入力特徴に制御された変動を導入し、予測の変化の大きさを観察することで、ノイズに対するモデルの安定性を定量化する技術。
感度曲線
特定の特徴が変化し、他の特徴が一定に保たれるときに、モデルの予測が体系的にどのように変化するかを示すグラフ表現。
反事実テスト
特定の特徴を変更した仮想的なシナリオを生成し、予測への影響を評価することで、重要な決定閾値を特定する分析方法。
モリステスト
パラメータ空間内の軌道を通じて基本効果を計算し、非影響変数を特定することで、特徴の影響を迅速に評価する経済的なスクリーニング手法。
一要素ずつ分析（OAT）
一度に一つの特徴を変更し、他の特徴を一定に保つことで個別の影響を分離する逐次的なアプローチ。ただし相互作用効果は無視される。
モンテカルロテスト
確率的サンプリング技術により、分布に従って複数の入力構成をランダムに生成し、全体的な感度と予測の不確実性を推定する方法。
敵対的摂動テスト
入力に最小限かつ意図的な変更を加えて重大な予測エラーを引き起こすことで、モデルの脆弱性を評価する手法。
特徴影響分析
各入力変数が予測の変動に寄与する度合いを体系的に定量化し、複雑な関係を解釈するための可視化技術と組み合わせることが多い手法。
感度マップ
特徴量空間におけるモデルの感度勾配を2次元で可視化し、予測安定性の高い領域と低い領域を明らかにするもの
モデル安定性テスト
測定ノイズやサンプリング誤差を含む、入力データの正当な変動に対するモデル予測の一貫性を測定する評価プロトコル
サンプリングによる感度分析
層化サンプリングやラテン超立方体法などのサンプリング技術を用いて特徴量空間を効率的に探索し、予測への影響を推定する統計的アプローチ
特徴量ドリフトテスト
時間の経過に伴う入力特徴量の分布変化を継続的に監視し、モデルの性能と信頼性への潜在的な影響を評価するもの
定量的感度分析
特徴量の相対的重要度の正確な数値測定を提供し、客観的な比較と定量的しきい値に基づく意思決定を可能にする厳密な方法論