Predictive Modeling

A modelação preditiva é o processo de criar um modelo estatístico ou de aprendizagem automática a partir de dados históricos para estimar um resultado desconhecido ou ainda não ocorrido, como saber se um cliente vai cancelar, quanto uma loja vai vender na próxima semana ou se um exame mostra doença. O modelo aprende a relação entre características de entrada e um resultado conhecido em exemplos passados — uma forma de aprendizagem supervisionada — e aplica depois essa relação a novos casos, devolvendo muitas vezes uma probabilidade ou um intervalo juntamente com a previsão. A análise preditiva é a prática empresarial de aplicar estes modelos a decisões de marketing, finanças, operações e cuidados de saúde, e situa-se entre a análise descritiva, que resume o que aconteceu, e a análise prescritiva, que recomenda o que fazer.

O fluxo de trabalho da modelação preditiva#

Um projeto começa por definir o alvo e a decisão que este vai fundamentar; em seguida, reúne exemplos históricos cujas entradas eram conhecidas no momento em que a previsão teria sido feita. A engenharia de características transforma registos em bruto em entradas do modelo, e os dados são divididos em conjuntos de treino, validação e teste. Os problemas de previsão dividem os dados por tempo, para que o modelo seja sempre avaliado em períodos posteriores aos que usou para aprender; uma divisão aleatória nesse caso, ou qualquer característica que codifique a resposta, causa fuga de dados e pontuações inflacionadas. Os modelos candidatos são comparados com uma referência simples em dados não usados no treino e, após a implementação, o modelo é monitorizado quanto à deriva de dados, porque as relações aprendidas enfraquecem à medida que o mundo muda.

A avaliação utiliza métricas adequadas à decisão: precisão, revocação e a área sob a curva ROC para classificadores, e erro absoluto médio (MAE) ou raiz do erro quadrático médio para previsões numéricas. A validação cruzada estima o desempenho em conjuntos de dados pequenos, calculando a média de várias divisões entre treino e teste. Este exemplo usa scikit-learn para prever a progressão da diabetes um ano após as medições iniciais do paciente, comparando dois modelos com uma referência que prevê sempre a média:

from sklearn.datasets import load_diabetes
from sklearn.dummy import DummyRegressor
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score

# 442 patients: 10 baseline measurements and disease progression one year later
X, y = load_diabetes(return_X_y=True)

models = {
    "Baseline (always predict the mean)": DummyRegressor(),
    "Ridge regression": Ridge(alpha=0.1),
    "Gradient-boosted trees": HistGradientBoostingRegressor(max_depth=3, random_state=0),
}
for name, model in models.items():
    # Mean absolute error on held-out folds of 5-fold cross-validation
    scores = cross_val_score(model, X, y, cv=5, scoring="neg_mean_absolute_error")
    print(f"{name}: MAE {-scores.mean():.1f}")

A referência erra, em média, 66,0 pontos da pontuação de progressão; a regressão ridge erra 44,6 e as árvores com boosting de gradiente erram 46,5. Assim, ambos os modelos reduzem o erro em cerca de um terço e, nestes 442 pacientes, o modelo linear mais simples é o mais preciso.

Tipos de modelos preditivos#

Os modelos preditivos diferem pelo resultado que estimam. Os modelos de classificação, como a regressão logística e as árvores de decisão, preveem uma categoria e, normalmente, a respetiva probabilidade. Os modelos de regressão, como a regressão linear, preveem um número. Os modelos de previsão para séries temporais preveem valores futuros de uma sequência a partir do seu próprio passado, da sazonalidade e de fatores externos; os modelos de sobrevivência preveem o tempo até um evento, como a avaria de uma máquina, incluindo casos em que o evento ainda não ocorreu. Para dados tabulares, os algoritmos habituais são modelos lineares regularizados e ensembles de árvores, como florestas aleatórias e XGBoost; as redes neurais dominam em imagens, áudio e texto; e os modelos de base tabulares fazem previsões em novas tabelas sem treinar um modelo por conjunto de dados.

Modelação preditiva em visão computacional#

Os modelos de visão são modelos preditivos cujas entradas são píxeis. O YOLO26 no modo de previsão devolve, para cada objeto que encontra numa imagem, uma classe prevista, uma pontuação de confiança e coordenadas da caixa; as contagens de objetos derivadas dessas previsões tornam-se frequentemente características de entrada para previsões posteriores, como o fluxo horário de visitantes para o planeamento de pessoal.

Aplicações#

• Manutenção preditiva: Os modelos treinados com dados de vibração, temperatura e tempo de funcionamento estimam quando um componente vai avariar, para que as reparações sejam feitas antes de uma avaria, em vez de seguirem um calendário fixo.
• Cuidados de saúde: Os modelos de risco estimam a probabilidade de readmissão hospitalar ou sépsis com base nos registos dos pacientes, e os modelos de imagiologia assinalam possíveis achados para os radiologistas analisarem primeiro.
• Avaliação de crédito e fraude: Os bancos preveem a probabilidade de um mutuário entrar em incumprimento ou de uma transação com cartão ser fraudulenta, e avaliam cada transação com cartão em tempo real, durante a autorização.
• Planeamento da procura e do inventário: Os retalhistas preveem as vendas por loja e produto com base no histórico, nos preços, nas promoções e nos feriados, para decidir quanto stock encomendar.

Modelação preditiva vs. termos relacionados#

• Mineração de dados: Procura padrões, agrupamentos e associações em grandes conjuntos de dados, com ou sem um alvo a prever, enquanto a modelação preditiva estima sempre um resultado específico.
• IA generativa: Modela a distribuição dos próprios dados para criar texto, imagens ou áudio novos, enquanto um modelo preditivo associa uma entrada a um valor-alvo.
• Inferência causal: Estima o que acontece quando alguém intervém, algo que um modelo preditivo não consegue determinar apenas a partir de correlações. Um modelo treinado com registos de pneumonia da década de 1990 aprendeu que os pacientes com asma tinham menor risco de morrer, porque esses pacientes eram normalmente admitidos diretamente nos cuidados intensivos; agir com base nessa previsão poderia ter mandado para casa pacientes de alto risco.