Um profissional de ML deseja oferecer aos stakeholders transparência e explicações sobre como um modelo faz previsões. Qual das seguintes opções melhor fornece essa explicabilidade?

Apresentar os valores Shapley do modelo é a melhor opção porque os valores Shapley fornecem uma atribuição justa e consistente da contribuição de cada recurso para a previsão de um modelo. Isso permite que os stakeholders entendam quais características são mais influentes e como elas impactam o resultado, aumentando a transparência e a explicabilidade. Fornecer a medida de acurácia do modelo ou a matriz de confusão do modelo são métricas de desempenho que indicam quão bem o modelo funciona, mas não explicam como ele chega às suas previsões. Fornecer um endpoint de inferência de modelo seguro é uma consideração operacional e de segurança, não de explicabilidade.