現代社会ではデータ分析で機械学習を行う機会が増加しており，学習結果の解釈可能性や特徴量選択に向けた評価指標が求められている．その一つに協力ゲーム理論に基づく貢献度の評価方法であるSHAP(SHapley Additive exPlanations)がある.本研究の目的は，SHAPを用いた各特徴量の貢献度が機械学習モデルにおいて妥当に評価されているか確認し，誤った解釈が発生する条件を検証することである．ここでは人工的に学習用のデータを用意し，その生成する関数と機械学習モデルを変更しながら，結果を比較した．