感度分析
手法の選択
- Spearman: 数値の単調な関係を高速に確認します。
- Ridge: 数値の線形寄与を高速に確認します。R² は数値のみのモデルの評価です。
- MDI: 分割に基づく重要度。高速ですが、多水準の特徴を過大評価し得ます。
- RF-ANOVA: Random Forest の葉領域による主効果の分散分解です。
- Permutation: シャッフルによるホールドアウト MSE の増加。相関する特徴の影響を受けます。
- SHAP: 予測の寄与分解。重い計算ですが説明に有用です。
- Sobol: 1 次・全次感度。サロゲート品質とサンプリングに依存します。
- ARD: GP 長さスケール由来の関連度であり、分散分解ではありません。
- PDP: 応答の形を可視化します。強い相関があると外挿的になり得ます。
数値の一次確認に Spearman/Ridge を使い、複数手法を比較し、PDP を確認します。 交互作用が重要なら Sobol を使います。スコアは関連・予測寄与であり、因果ではありません。
名義カテゴリと出力
Optuna のカテゴリ選択肢は、数値に見えるラベルでも名義カテゴリです。 Spearman と Ridge はこれを除外し、Importance Chart、Sensitivity Heatmap、CSV で Unsupported (categorical) と別表示します。ゼロとしてスコア・順位を与えません。 全カテゴリ入力では No supported numerical parameters と表示し、Ridge R² はありません。 混在入力の Ridge R² は数値のみのモデルの評価であると明示します。 Spearman と Ridge は Optuna の Int/Float パラメータに対応します。Spearman は順位付け前に非有限の パラメータ・目的値ペアを除外します。Ridge はサンプリング・分割前に、含める数値特徴または目的値が非有限の行を除外します。
レポートの重要度は、最初の目的関数に対する数値のみの |Spearman| です。
HTML/Markdown はカテゴリをスコアなしの未対応として表示し、JSON は
importance.unsupported_categorical を scores と別に保持します。 MCP
レポートも同じ出力を使い、MCP study summary は
unsupported_categorical_importance を公開します。
数値相関の利用不可とカテゴリ未対応は別の状態です。
他手法のカテゴリ符号化の制約
木ベース手法、Sobol、GP ARD は、カテゴリ選択肢に初出順で 0, 1, 2, ... の整数
ID を割り当てます。
- MDI、RF-ANOVA、SHAP、Permutation はネイティブな名義特徴ではなく、数値コードで木を学習します。 分割しきい値は任意の順序を持ち込みます。RF-ANOVA はさらに数値の葉領域を積分します。
- Sobol はこのコードに二次 Ridge サロゲートを当てはめ、連続範囲をサンプリングします。 コードの距離や中間点は意味のあるカテゴリとは限りません。
- GP ARD importance はカーネルにコード間距離を使うため、カテゴリの長さスケール関連度は人工的な幾何に依存します。
これらのカテゴリ結果はコード割り当てや trial 順序に対する不変性を保証しません。 同一性と初出順を保った全単射のラベル変更ならコードは同じですが、順序や距離の仮定が妥当になるわけではありません。 未対応の Spearman/Ridge の代わりに名義カテゴリを安全に評価できる手法とは考えず、慎重に解釈してください。 これらの手法は one-hot 符号化もカテゴリ専用の距離指標も使いません。