解釈可能性

解釈可能性は、機械学習のモデルの仕組みや、入力と出力の関係が、人にとって理解しやすい度合いです。

■ 試験で押さえるポイント

• 決定木や線形回帰は、解釈可能性が高いモデルです。

• 深層学習は、精度は高いが解釈可能性は低いです。

■ 過去問での着眼点

モデル自体が理解しやすいか（解釈可能性）と、後から説明を付けるか（説明可能性）を区別します。

例: 判断の理由が重要な審査には、解釈しやすい決定木のモデルを使います。