Personas

“Para viabilizar as funções dos modelos, foi estruturada uma base de dados representativa com personas geradas a partir da combinação de comportamentos temporais e exames simulados ao longo de um ano. A fusão desses dados com o dataset CDC Diabetes Health Indicators garantiu maior realismo e confiabilidade. – A implementação dos modelos de classificação inclui algoritmos como Regressão Logística, Decision Tree, Random Forest, Gradient Boosting e SGDClassifier. Para equilibrar recall e precisão, foi criado um Comitê de Modelos que combina Random Forest e SGDClassifier, otimizando a detecção de abandono sem comprometer a confiabilidade das previsões. – Além da análise preditiva, foram implementadas rotas de Inteligência Artificial Explicável, permitindo a consulta das predições do modelo e a explicação dos fatores mais relevantes na classificação dos pacientes. A rota do SHAP possibilita a escolha entre os modelos individuais e o Comitê, fornecendo insights para melhor compreensão das predições.”