Uma empresa está desenvolvendo uma ferramenta de priorização de leads para que a equipe possa entrar em contato com clientes em potencial. Os funcionários devem ser capazes de visualizar e ajustar manualmente a importância (pesos) das variáveis de entrada com base em sua experiência no domínio. Que tipo de modelo de ML suporta esse requisito?

O modelo de regressão logística é adequado porque seus coeficientes (pesos) para cada variável de entrada são diretamente interpretáveis e ajustáveis. Isso permite que os funcionários entendam a contribuição de cada fator e modifiquem manualmente sua importância com base em sua experiência. Modelos de deep learning e redes neurais são caixas-pretas complexas, dificultando a interpretação e o ajuste manual de pesos específicos. O modelo K-NN é baseado em similaridade e não possui pesos explícitos para variáveis de entrada que possam ser ajustados.