Glossário IA
O dicionário completo da Inteligência Artificial
Teste de Perturbação de Entrada
Técnica que consiste em introduzir variações controladas nas características de entrada para observar a magnitude das mudanças nas previsões, permitindo quantificar a estabilidade do modelo face ao ruído.
Curva de Sensibilidade
Representação gráfica que mostra como as previsões do modelo evoluem sistematicamente quando uma característica específica varia enquanto as outras são mantidas constantes.
Teste Contrafactual
Método de análise que gera cenários hipotéticos onde certas características são modificadas para avaliar o impacto na previsão, permitindo identificar os limiares críticos de decisão.
Teste de Morris
Método de triagem económico que avalia rapidamente a influência das características calculando os efeitos elementares através de trajetórias no espaço dos parâmetros, identificando as variáveis não-influentes.
Análise Um-de-Cada-Vez (OAT)
Abordagem sequencial que modifica uma característica de cada vez, mantendo as outras constantes para isolar o impacto individual, embora negligenciando os efeitos de interação.
Teste de Monte Carlo
Técnica de amostragem estocástica que gera aleatoriamente múltiplas configurações de entrada de acordo com a sua distribuição para estimar a sensibilidade global e a incerteza das previsões.
Teste de Perturbação Adversarial
Avaliação da vulnerabilidade do modelo através da introdução de modificações mínimas e intencionais nas entradas para provocar erros de previsão significativos.
Análise de Impacto das Características
Quantificação sistemática da contribuição de cada variável de entrada para as variações das previsões, frequentemente combinada com técnicas de visualização para interpretar as relações complexas.
Mapa de Sensibilidade
Visualização bidimensional que mostra os gradientes de sensibilidade do modelo no espaço de características, revelando regiões de alta e baixa estabilidade preditiva.
Teste de Estabilidade do Modelo
Protocolo de avaliação que mede a consistência das previsões do modelo diante de variações legítimas nos dados de entrada, incluindo ruído de medição e erros de amostragem.
Análise de Sensibilidade por Amostragem
Abordagem estatística que utiliza técnicas de amostragem estratificada ou hipercubo latino para explorar eficientemente o espaço de características e estimar sua influência nas previsões.
Teste de Desvio de Características
Monitoramento contínuo que detecta mudanças na distribuição das características de entrada ao longo do tempo para avaliar seu impacto potencial no desempenho e na confiabilidade do modelo.
Análise de Sensibilidade Quantitativa
Metodologia rigorosa que fornece medidas numéricas precisas da importância relativa das características, permitindo comparações objetivas e decisões baseadas em limiares quantitativos.