Permutation Importance（置換重要度）はを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk metrics

G検定トップ ＞ Permutation Importance（置換重要度）とは？【G検定対策】

まず結論

  • Permutation Importance は、特徴量の値をランダムに並び替えたときの「性能の下がり具合」で重要度を測る手法。
  • G検定では 「前処理ではない」「公平性評価ではない」ことを切れるかが問われる。

直感的な説明

  • 発想はとてもシンプル。
  • ある特徴量を わざとぐちゃぐちゃにする
    → それで モデルがどれだけ困るかを見る。
  • たとえ話：
    • テスト中に「視力」を無効化したら成績が大きく下がる
      → 視力は重要
    • 「靴の色」を無効化しても成績が変わらない
      → 靴の色は重要でない

定義・仕組み

  • 手順：
    1. 学習済みモデルの性能を測る（Accuracy など）
    2. ある特徴量だけをランダムにシャッフル
    3. 再度性能を測る
    4. 性能低下量＝その特徴量の重要度
  • ポイント：
    • モデルは再学習しない
    • 学習後に評価する モデル非依存（ブラックボックス）手法
  • XAI（説明可能AI）の一種として使われる

いつ使う？（得意・不得意）

得意

  • 学習済みモデルの解釈
  • どの特徴量が効いているかの確認
  • モデルに依存しない評価

不得意・注意

  • 特徴量同士が強く相関していると誤解しやすい
  • 計算コストがやや高い

G検定ひっかけポイント

  • 「何ではないか」を問う問題が多い
  • よくある誤解：
    • ❌ 変数選択・前処理の手法
    • ❌ モデルの公平性（バイアス）評価
    • ❌ PCA のような次元削減
  • 正しい判断基準：
    • 「シャッフル」「性能低下」→ Permutation Importance
    • 「学習前に削除」→ 前処理 → ❌
    • 「主成分」→ PCA → ❌
  • 選択肢での即断ルール：
    • ランダムに入れ替える → ⭕
    • 削除・再構成 → ❌

まとめ（試験直前用）

  • Permutation Importance = シャッフルして性能低下を見る
  • 学習後に使う（前処理ではない）
  • 公平性評価ではない
  • PCA・変数選択と混同しない
  • 「並び替え × 性能低下」がキーワード

🔗 関連記事

🏠 G検トップに戻る