Capítulo 4 Modelos interpretables

La forma más fácil de lograr la interpretabilidad es usar aquellos algoritmos que crean modelos interpretables. La regresión lineal, la regresión logística y el árbol de decisión son modelos interpretables comúnmente utilizados.

En los siguientes capítulos hablaremos sobre estos modelos. No en detalle, solo lo básico, porque ya hay una tonelada de libros, videos, tutoriales, documentos y más material disponible. Nos centraremos en cómo interpretar los modelos. El libro trata sobre regresión lineal, regresión logística, otras extensiones de regresión lineal, árboles de decisión, reglas de decisión y el algoritmo RuleFit con más detalle. También mostraremos otros modelos interpretables.

Todos los modelos interpretables explicados en este libro son interpretables en un nivel modular, con la excepción del método de k-vecinos más cercanos. La siguiente tabla ofrece una descripción general de los tipos de modelos interpretables y sus propiedades. Un modelo es lineal si la asociación entre la entrada y la salida se modela linealmente. Un modelo con restricciones de monotonicidad asegura que la relación entre una característica y el resultado objetivo siempre va en la misma dirección en todo el rango de la característica: Un aumento en el valor de la característica siempre conduce a un aumento o siempre a una disminución en el resultado objetivo. La monotonicidad es útil para la interpretación de un modelo porque facilita la comprensión de una relación. Algunos modelos pueden incluir automáticamente interacciones entre características para predecir el resultado objetivo. Puedes incluir interacciones en cualquier tipo de modelo creando manualmente esas características de interacción. Las interacciones pueden mejorar el rendimiento predictivo, pero si son demasiadas o demasiado complejas pueden dañar la capacidad de interpretación. Algunos modelos manejan solo la regresión, algunos solo la clasificación y otros ambos.

Desde esta tabla, puedes seleccionar un modelo interpretable adecuado para tu tarea, ya sea regresión (regr) o clasificación (clas):

Algoritmo	Lineal	Monótono	Interacción	Tarea
Regresión lineal	Sí	Sí	No	regr
Regresión logística	No	Sí	No	clas
Árboles de decisión	No	Algunos	Sí	clas,regr
RuleFit	Sí	No	Sí	clas,regr
Bayes ingenuo	No	Sí	No	clas
k-vecinos más cercanos	No	No	No	clas,regr