Título:	Interpretabilidade de modelos aplicados aos dados do Enem.
Autoria:	NEIVA, D. K. VILLAS BOAS, P. R.
Afiliação:	ICMC-USP; PAULINO RIBEIRO VILLAS BOAS, CNPDIA.
Ano de publicação:	2023
Referência:	In: II WORKSHOP DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO APLICADAS À INDÚSTRIA - WMECAI, 2023, São Carlos, SP.
Páginas:	4 p.
Conteúdo:	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.
Palavras-chave:	Poder preditivo Shap values
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPDIA)