Interpretabilidade de modelos de aprendizado de máquina: uma abordagem baseada em árvores de decisão
Nenhuma Miniatura disponível
Data
2023-09-22
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Goiás
Resumo
Interpretability is defined as the ability of a human to understand why an AI model makes certain decisions.
Interpretability can be achieved through the use of interpretable models, such as linear regression and
decision trees, and through model-agnostic interpretation methods, which treat any predictive model as a
"black box". Another concept related to interpretability is that of Counterfactual Explanations, which show the
minimal changes in inputs that would lead to different results, providing a deeper understanding of the model’s
decisions. The approach proposed in this work exploits the explanatory power of Decision Trees to create a
method that offers more concise explanations and counterfactual explanations. The results of the study
indicate that Decision Trees not only explain the “why” of model decisions, but also show how different
attribute values could result in alternative outputs.
Descrição
Citação
SILVA, J. J. D. Interpretabilidade de modelos de aprendizado de máquina: uma abordagem baseada em árvores de decisão. 2023. 83 f. Dissertação (Mestrado em Ciências da Computação) - Instituto de Informática, Universidade Federal de Goiás, Goiânia, 2023.