Visualizando os Efeitos das Variáveis Preditoras em Modelos de Aprendizado Supervisionado Caixa-Preta

Ao ajustar modelos de aprendizado supervisionado caixa-preta (por exemplo, árvores complexas, redes neurais, árvores boosteadas, random forests, k-vizinhos mais próximos, métodos locais ponderados por núcleo, etc.), visualizar os efeitos principais das variáveis preditoras individuais e seus efeitos de interação de baixa ordem é frequentemente importante, e os gráficos de dependência parcial (PD) são a abordagem mais popular para realizar isso. No entanto, os gráficos PD envolvem uma armadilha séria se as variáveis preditoras estiverem longe de serem independentes, o que é bastante comum em grandes conjuntos de dados observacionais. Especificamente, os gráficos PD requerem extrapolação da resposta em valores preditores que estão muito fora do envelope multivariado dos dados de treinamento, o que pode tornar os gráficos PD pouco confiáveis. Embora os gráficos marginais (M plots) não exijam tal extrapolação, eles produzem resultados substancialmente viesados e enganosos quando os preditores são dependentes, análogo ao viés por variável omitida em regressão. Apresentamos uma nova abordagem de visualização que denominamos gráficos de efeitos locais acumulados (ALE), que herda as características desejáveis dos gráficos PD e M, sem herdar suas limitações anteriores. Assim como os gráficos M, os gráficos ALE não requerem extrapolação; e como os gráficos PD, não são afetados pelo fenômeno da variável omitida. Além disso, os gráficos ALE são muito menos custosos computacionalmente do que os gráficos PD.