01543nam a2200157 a 450000100080000000500110000800800410001910000170006024500860007726001270016330000090029052010270029965300200132665300160134670000230136221590332024-01-15       2023    bl uuuu     u00u1 u    #d1 aNEIVA, D. K.  aInterpretabilidade de modelos aplicados aos dados do Enem.h[electronic resource]  aIn: II WORKSHOP DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO APLICADAS À INDÚSTRIA - WMECAI, 2023, São Carlos, SP.c2023  a4 p.  aIntrodução O desenvolvimento de novas tecnologias nos ultimos anos, tanto de hardware quanto de software, viabilizou a aplicacão de técnicas mais sofisticadas de modelagem, como as de aprendizado de maquina. Focadas principalmente em aumentar o poder preditivo, essas técnicas muitas vezes se baseiam em abordagens não paramétricas e não lineares, que resultam em modelos mais precisos e menos interpretaveis [3]. E diante desse cenário que a interpretabilidade de um modelo pode se tornar um fator tão importante quanto a precisao de suas predições [2]. Por esta razão, metodologias como Shap Values foram desenvolvidas para apresentar relações entre as variáveis preditivas e a variável resposta, que muitas vezes nao são tão evidentes. Assim, o objetivo deste trabalho e elencar quais são as informações mais relevantes para um modelo aplicado aos dados socioeconomicos do Exame Nacional do Ensino Médio (Enem), bem como identificar como elas impactam o seu funcionamento atraves dos Shap Values.  aPoder preditivo  aShap values1 aVILLAS BOAS, P. R.