Simplificando modelo baseado em Floresta em Árvore de decisão para melhorar a explicabilidade

• Processo: 24/00495-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2024
• Data de Término da vigência: 30 de abril de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Pedro Fernandez Tonso
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Inteligência artificial Tomada de decisão
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Inteligência Artificial | Tomada de Decisão | Inteligência Artificial

Resumo

O principal objetivo deste projeto é o desenvolvimento de uma metodologia capaz de explicar como os modelos preditivos fazem suas previsões. Para tal, propomos simplificar um preditor complexo, como o modelo induzido pelo algoritmo Random Forest, em uma única árvore de decisão, preservando a maior parte da informação aprendida e do poder preditivo.