Interpretabilidade de Modelos Black Box aplicada a problemas Uplift
Medir o efeito de uma ação, seja uma campanha de marketing ou o efeito de um novo medicamento, é uma tarefa desafiadora e que envolve problemas nas mais diversas áreas. A modelagem Uplift leva em consideração quais pessoas apresentam algum comportamento devido à uma determinada ação e qual seria o comportamento dessas pessoas sem a ação, por exemplo. Essa diferença é modelada como resposta de um modelo de uplift. Uma abordagem comumente usada para predizer o comportamento desses para esse problema são os Modelos de Aprendizado de Máquina “Black Box”, que são modelos matematicamente complexos para os quais não é possível entender diretamente a relação das variáveis explicativas com a variável resposta. Para explicar essa relação, podemos utilizar ferramentas de interpretabilidade, tais como os gráficos de Dependência Parcial e Expectativa Condicional Individual e as Medidas dos Valores de Shapley ou ajuste de Modelos Locais interpretáveis. Neste trabalho levantamos técnicas utilizadas em Modelagem Uplift, com o objetivo de abordar a interpretabilidade nesse contexto.