PREDIÇÃO CONFORMAL APLICADA À PREDIÇÃO DE FALHA DE MOTORES
Este trabalho investiga a predição conforme como uma técnica para fornecer métricas confiáveis de confiança em previsões feitas por modelos de aprendizado de máquina. Aprendizado de máquina está se tornando cada vez mais usado para tomar decisões críticas, mas os algoritmos de ML nem sempre fornecem estimativas calibradas de probabilidade de previsão. Isso cria desafios, especialmente em aplicações sensíveis ao risco onde informações sobre confiança são importantes. A predição conforme foi proposta inicialmente em 1999 como uma abordagem que constrói preditores sobre algoritmos de ML tradicionais, mas fornece métricas válidas de confiança para cada previsão. Neste trabalho, revisaremos os conceitos-chave de predição conforme e apresentaremos os resultados parciais de um caso de estudo usando uma base de dados real. Nosso objetivo é avaliar se a predição conforme pode oferecer uma alternativa mais confiável para medir a confiança de previsões baseadas em ML.