Técnicas de interpretabilidade para aprendizado de máquina: um estudo abordando avaliação de crédito

Vol. 2, 2022 - 154059
Resumo expandido
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Atualmente técnicas de aprendizado de maquina vêm sendo constantemente utilizadas para apoiar no processo de tomada de decisões importantes para indivíduos e corporações. Com o peso dessas decisões, surgem também inúmeras preocupações relativas ao seu funcionamento, quais condições foram necessárias para levar aos resultados obtidos, ou até se possíveis erros ou vieses não interferiram. Por esse motivo, a interpretabilidade das técnicas de aprendizado de máquina é um tema cuja relevância cresce a cada dia. O objetivo deste trabalho é avaliar a principal técnicas de interpretabilidade, o SHAP (SHapley Additive exPlanations), para isso, o aplicando em modelos preditivos de classificação para uma base de dados real de concessão de crédito. Do ponto de vista metodológico, foi desenvolvido um modelo preditivo e posteriormente a técnica de interpretabilidade foi aplicada. Os resultados mostraram que foi possível obter mais entendimento sobre quais variáveis tiveram maior impacto para o modelo, com boa variedade e qualidade de informações que contribuíram para se atingir avanço na interpretabilidade.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 ICMC-USP
Eixo Temático
  • Inteligência Computacional
Palavras-chave
Aprendizado de maquina
Interpretabilidade
SHAP