Interpretabilidade de modelos aplicados aos dados do Enem.
| dc.contributor | ICMC-USP; PAULINO RIBEIRO VILLAS BOAS, CNPDIA. | |
| dc.creator | NEIVA, D. K. | |
| dc.creator | VILLAS BOAS, P. R. | |
| dc.date | 2023-12-01T18:32:47Z | |
| dc.date | 2023-12-01T18:32:47Z | |
| dc.date | 2023-12-01 | |
| dc.date | 2023 | |
| dc.date.accessioned | 2026-07-07T04:29:09Z | |
| dc.description | Introdução O desenvolvimento de novas tecnologias nos ultimos anos, tanto de hardware quanto de software, viabilizou a aplicacão de técnicas mais sofisticadas de modelagem, como as de aprendizado de maquina. Focadas principalmente em aumentar o poder preditivo, essas técnicas muitas vezes se baseiam em abordagens não paramétricas e não lineares, que resultam em modelos mais precisos e menos interpretaveis [3]. E diante desse cenário que a interpretabilidade de um modelo pode se tornar um fator tão importante quanto a precisao de suas predições [2]. Por esta razão, metodologias como Shap Values foram desenvolvidas para apresentar relações entre as variáveis preditivas e a variável resposta, que muitas vezes nao são tão evidentes. Assim, o objetivo deste trabalho e elencar quais são as informações mais relevantes para um modelo aplicado aos dados socioeconomicos do Exame Nacional do Ensino Médio (Enem), bem como identificar como elas impactam o seu funcionamento atraves dos Shap Values. | |
| dc.format | 4 p. | |
| dc.identifier | In: II WORKSHOP DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO APLICADAS À INDÚSTRIA - WMECAI, 2023, São Carlos, SP. | |
| dc.identifier | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1159033 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/462932 | |
| dc.language | por | |
| dc.rights | openAccess | |
| dc.subject | Poder preditivo | |
| dc.subject | Shap values | |
| dc.title | Interpretabilidade de modelos aplicados aos dados do Enem. | |
| dc.type | Artigo em anais e proceedings |