Resumen del trabajo fin de master

Uno de los principales objetivos cuando se utilizan modelos de aprendizaje automático es estudiar su interpretabilidad, es decir, lo que cada característica del modelo aporta a la predicción dada por éste. Algunas de las herramientas que se utilizan para obtener esta interpretabilidad están basadas en una de las reglas de reparto más importantes para juegos cooperativos: el valor de Shapley. Existen situaciones en las que hay observaciones faltantes en el conjunto de aprendizaje del método y consecuentemente, algunas de estas herramientas no se podrían utilizar. En este trabajo se trata de realizar una revisión de la literatura sobre la temática y de estudiar cómo se podrían utilizar las metodologías de observaciones faltantes para poder calcular las herramientas basadas en el valor de Shapley.