A正解
線形回帰
正解。線形回帰は、各特徴量の係数を見ればどの要因がどれだけ予測に寄与したかが分かるため、解釈可能性が高いモデルです。
ある金融機関が、監査で予測根拠の説明を求められる業務に使うモデルを選定しています。精度よりも説明のしやすさを優先する方針です。一般に解釈可能性（説明のしやすさ）が高いとされるモデルを 2 つ選んでください。
1 / 1
複数選択してください
正解A, B
解説
解釈可能性が高いモデルを 2 つ選ぶ問題。
- 1「解釈可能性（説明のしやすさ）が高い」判断の 根拠をたどれる モデル
- 2「2 つ選んでください」線形回帰・決定木 が該当（複雑なモデルは除外）
B正解
決定木
正解。決定木は、ルートからの分岐条件をたどれば「どの条件でその結論に至ったか」が追えるため、解釈可能性が高いモデルです。
C不正解
深層ニューラルネットワーク
深層ニューラルネットワークは多層・膨大なパラメータで根拠を追いにくく、解釈可能性が低いモデルです。
解釈可能性が高い側ではないため不正解です。
D不正解
大規模なアンサンブル（多数のモデルの組み合わせ）
多数のモデルを組み合わせる大規模アンサンブルは、全体の判断根拠が追いにくく解釈可能性が低めです。
解釈可能性が高い側ではないため不正解です。
E不正解
大規模言語モデル（数十億パラメータ規模）
大規模言語モデルは膨大なパラメータで内部が極めて複雑なため、解釈可能性が低いモデルです。
解釈可能性が高い側ではないため不正解です。
ポイント
解釈可能性（判断の根拠を人間が追えるか）でモデルを整理します。
・解釈可能性が高い: 線形回帰（各特徴量の係数で寄与が分かる）、決定木（分岐条件をたどれる）など、構造が単純で判断過程を追える。
・解釈可能性が低い: 深層ニューラルネットワーク・大規模アンサンブル・大規模言語モデルなど、パラメータが多く内部が複雑で根拠を追いにくい。
一般に精度（性能）と解釈可能性はトレードオフになりやすく、説明責任が重い用途では解釈しやすいモデルを選ぶ判断もあります。