Recentemente muito tem sido discutido em relação à interpretabilidade dos modelos de aprendizado de máquina. Eles têm sido comparados a caixas-pretas,pois, embora venham apresentando resultados impressionantes com sua acurácia, não se tem muitas vezes ideia do que acontece dentro deles. Em outras palavras, as previsões são úteis e precisas, mas não se sabe como elas foram feitas e quais atributos ou fatores podem ter maior influência nos resultados.
Trata-se de modelos complexos que absorvem relações não lineares e não triviais nos dados. É preciso que o analista de dados tenha uma visão crítica e entendimento dos algoritmos. Suponha que você tenha sido contratado para criar um sistema que utilize modelos de aprendizado de máquina para classificar pacientes segundo a propensão a apresentar uma determinada doença, mas um requisito essencial do sistema é que seja possível explicar claramente como se chegou a essa previsão. Dentre os seguintes algoritmos, é correto afirmar o que se utilizaria é: