Recentemente muito tem sido discutido em relação à
interpretabilidade dos modelos de aprendizado de máquina.
Eles têm sido comparados a caixas-pretas,pois, embora
venham apresentando resultados impressionantes com
sua acurácia, não se tem muitas vezes ideia do que acontece dentro deles. Em outras palavras, as previsões são
úteis e precisas, mas não se sabe como elas foram feitas
e quais atributos ou fatores podem ter maior influência nos
resultados.
Trata-se de modelos complexos que absorvem relações
não lineares e não triviais nos dados. É preciso que o analista de dados tenha uma visão crítica e entendimento dos
algoritmos. Suponha que você tenha sido contratado para
criar um sistema que utilize modelos de aprendizado de
máquina para classificar pacientes segundo a propensão a
apresentar uma determinada doença, mas um requisito essencial do sistema é que seja possível explicar claramente
como se chegou a essa previsão. Dentre os seguintes
algoritmos, é correto afirmar o que se utilizaria é: