シャープレイ値とは、ゲーム理論において協力ゲームの各プレイヤーが全体にどれだけ貢献したかを公平に評価・分配するための指標です。近年では機械学習モデルの予測結果に対する各特徴量の貢献度を数値化する説明手法「SHAP」の基礎として広く活用されています。
シャープレイ値とは
一言でいうとシャープレイ値とは、複数要素が協力して得た成果に対し、それぞれの要素がどれだけ貢献したかを数学的に公平に割り振るための評価指標です。
詳しく解説
シャープレイ値は、もともと経済学やゲーム理論の分野において、複数プレイヤーの協力によって得られた報酬をどのように分配すべきかを決めるために考案されました。すべてのプレイヤーの組み合わせ（順序）を網羅し、あるプレイヤーが加わったことで追加される貢献度の平均を計算することで、直感的にも理論的にも公平な値を算出します。AI分野では、この考え方を応用して機械学習モデルの複雑な予測結果を解釈する解釈可能AIの主要な手法であるSHAPの根幹として採用されており、各特徴量が予測値へ与えた影響度を正しく評価する手段として重要視されています。
具体例・使われ方
機械学習モデルの予測結果の解釈において活用されます。例えば、AIが個人のローク審査を拒否した際、どの情報（年齢、年収、借入履歴など）がどのように結果を左右したかをシャープレイ値によって算出します。これにより、年収がプラスに働いた一方で借入履歴が大きくマイナスに働いたというように、各特徴量の貢献度を可視化できます。
似た用語との違い
単純な相関係数や決定木ベースの重要度算出方法と比較して、シャープレイ値はすべての特徴量の組み合わせを考慮するため、順序や相互作用に依存しない厳密で公平な貢献度を算出できる点が異なります。
注意点
すべての組み合わせを網羅して計算するため、特徴量の数が膨大になると計算コストが指数関数的に増大し、処理に多大な時間がかかるという限界があります。そのため、実際の運用では近似計算アルゴリズムを用いることが一般的です。