Descrição

Produz um relatório completo de Métodos + Resultados a partir dos resultados da sua ponderação por entropia + ordenação TOPSIS + classificador de ML (XGBoost, Random Forest, Logistic Regression, etc.). Classifica corretamente a interpretação da AUC (critérios de Hosmer & Lemeshow) e, quando a diferença de desempenho entre treino e teste é grande, indica explicitamente o risco de sobreajuste. Também identifica antecipadamente pelo menos 4 objeções frequentemente levantadas por revisores de revistas (por exemplo, "como foi tratado o desequilíbrio entre classes" e "não foi utilizado um conjunto de validação externo") e sugere uma frase de resposta para cada uma. Adequado para: investigadores que trabalham em informática médica, previsão de risco clínico ou metodologia híbrida MCDM-ML e que pretendem reforçar a robustez metodológica antes da submissão a uma revista.