PREDIÇÃO CONFORMAL APLICADA À PREDIÇÃO DE FALHA DE MOTORES
O aprendizado de máquina tem sido aplicado em diferentes áreas, e os seus métodos tem se mostrado eficientes em diferentes aplicações. A predição conformal é um método de aprendizado de máquina que trabalha com experiências anteriores para determinar níveis de confiança mais adequados, além da predição pontual. Como o aprendizado de máquina é cada vez mais utilizado em aplicações de alto risco, também é necessária maior confiabilidade de suas predições. Porém, esses algoritmos nem sempre fornecem estimativas calibradas de probabilidade de predição. No presente trabalho, investigamos a predição conformal como um método para fornecer informações confiáveis de confiança nas predições realizadas por modelos de aprendizagem automática. A predição conformal foi proposta como uma abordagem que cria preditores sobre os algoritmos de aprendizado de máquina tradicionais, mas fornece análises de confiabilidade válidas para cada predição. O presente trabalho está focado na predição conformal indutiva, e os conceitos chave da predição conformal e seu funcionamento foram revisados.
Os testes realizados ao aplicar a predição conformal às técnicas de aprendizado de máquina com dois níveis diferentes de precisão (0,01 e 0,05), demonstram que os níveis de confiança aumentam ao fazer previsões de alto risco, no presente estudo de caso; Previsão de falha de um motor turbofan.