Classificadores especializados com seleção de atributos SHAP: aplicação no processo Tennessee Eastman e Reator-tanque Agitado Contínuo
Nome: GABRIEL DOS SANTOS SERENO
Data de publicação: 11/07/2024
Banca:
Nome |
Papel |
|---|---|
| CELSO JOSE MUNARO | Presidente |
| FRANCISCO DE ASSIS BOLDT | Examinador Externo |
| LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA | Examinador Externo |
| THOMAS WALTER RAUBER | Coorientador |
Resumo: Neste estudo, classificadores especializados Random Forest são treinados utilizando o mé-
todo de seleção de característica SHAP com objetivo de identificar falhas nos processos
industriais. Os classificadores recebem dados de entradas a partir da decomposição do
problema multiclasse utilizando a técnica One-vs-All. Essa metodologia foi empregada
em dois benchmarks: Processo Tennessee Eastman e o Reator-tanque Agitado Contínuo.
O método SHAP obteve um desempenho de aproximadamente 89% na métrica F1-score
no Processo Tennessee Eastman, selecionando em torno de 4 características em média
por falha. Já no Reator-tanque Agitado Contínuo, o algoritmo obteve 90% na métrica
F1-score e selecionou cerca de 3 características em média por falha. O estudo mostrou que
o método Recursive Feature Elimination (RFE) obteve resultados parecidos em compa-
ração ao SHAP em ambos os benchmarks. Entretanto, o método RFE tende a selecionar
mais características para ter o mesmo desempenho. Por fim, o estudo sugere que o SHAP
pode reduzir a dimensionalidade da base de dados com um bom desempenho na métrica
F1-score.
