Permutation Importanceは、特徴量の重要度を評価する手法の一つです。 

機械学習モデルの予測では複数の特徴量が関与しますが、その中で特定の特徴量がどれほど影響を与えているかを測定するために、その値をランダムにシャッフルし、モデルの性能変化を確認します。 重要な特徴量ならばシャッフル後に精度が大きく低下し、影響が小さい特徴量ならばほとんど変化しません。 この手法はモデルに依存せず適用でき、直感的に解釈しやすい一方、特徴量間の相関が強い場合に過小評価される可能性があるため注意が必要です。