Uma empresa precisa de um modelo de machine learning interpretável para avaliar o risco de solicitação de empréstimos. Qual modelo ou algoritmo melhor satisfaz o requisito de interpretabilidade?

O modelo de regressão logística é altamente interpretável porque seus coeficientes indicam a direção e a força da relação entre cada variável preditora e a probabilidade do resultado (neste caso, o risco de empréstimo). Isso permite que os analistas compreendam claramente como cada fator contribui para a decisão. Modelos de deep learning são complexos e, geralmente, considerados caixas-pretas, dificultando a compreensão de suas decisões. Algoritmos de clustering K-means são para agrupamento, não para predição interpretável de risco. O algoritmo Random Cut Forest é usado para detecção de anomalias, não para modelagem preditiva interpretável.