特徴量重要度（Global / Local）
意味・解説
AIの予測において、各入力項目（特徴量）がどれだけ影響を与えたかを示す指標。モデル全体の傾向を示す「Global」と、特定の予測の根拠を示す「Local」がある。
XAIの根幹。Global重要度は『このAIは一般的に何を重視しているか』を、Local重要度は『この一人に対して、なぜこの判定を下したか』を明らかにする。LIME/SHAPはこの可視化によく用いられる。
くわしく
「AIという『審査員』の、採点基準の『傾向』と『個別の理由』を解明すること」です。
1.Global（広域的）:
審査員が『全体的に、年収を一番重視している』といったモデル全体の癖。
2.Local（局所的）:
『この人の場合は、年収は高いが、勤続年数が極端に短いことが決め手となった』といった個別の判断理由。ポイントは、AIの公平性を確認する際、全体的な偏見（Global）だけでなく、特定の人に対する不当な判断（Local）も見逃さないようにする必要があるからです。
例文
住宅ローン審査AIの妥当性を検証するため、Global重要度でモデルの傾向を把握し、個別の却下事例についてはLocal重要度で理由を特定した。
同義語: 変数重要度 / 特徴量の寄与度
分類: AIの説明可能性（Explainability）