A Métrica CFIS
Uma Nova Perspectiva na Análise da Importância das Features em Modelos de Machine Learning
Palabras clave:
CFIS; Importância das Features; Aprendizado de Máquina; Regressão Logística; Importância de Permutação.Resumen
La creciente demanda de modelos de aprendizaje automático que ofrezcan respuestas rápidas y precisas está impulsando la creación de nuevas técnicas para mejorar el rendimiento y la interpretabilidad de estos modelos. En este contexto, el presente trabajo propone la métrica CFIS (Combined Feature Importance Score), una nueva métrica y un enfoque innovador para evaluar la importancia de las características en problemas de aprendizaje automático. CFIS combina diferentes métodos, como la importancia de la permutación, los coeficientes del modelo de regresión y la correlación con la variable objetivo, para proporcionar una visión más completa de la relevancia de las características. Al integrar estas métricas, CFIS busca superar las limitaciones de los enfoques individuales, ofreciendo un análisis más sólido y detallado de cómo cada característica contribuye al desempeño del modelo. La aplicación de CFIS puede beneficiar a diferentes áreas, permitiendo que los modelos de aprendizaje automático sean más transparentes y efectivos en sus predicciones.
