CatBoost
Árvores de decisão que corrigem os erros umas das outras.
Como funciona
O CatBoost constrói uma árvore de decisão pequena, vê onde ela erra e constrói a próxima para corrigir esses erros, repetindo milhares de vezes. A previsão final é a soma de todas as árvores.
Ele lida bem com a UF como categoria e com a sazonalidade da dengue (mais casos no verão e no outono), e é rápido de treinar. Não devolve intervalo de incerteza.
- Entradas
- As 12 últimas semanas de incidência da UF, a UF e a época do ano (semana epidemiológica).
- O que prevê
- Incidência de casos prováveis por 100 mil habitantes, 1 a 4 semanas à frente da origem.
- Configuração
- 5000 iterações com parada antecipada
- Taxa de aprendizado 0,03
- Profundidade das árvores 6
- Referência
- Prokhorenkova et al., CatBoost: unbiased boosting with categorical features (2018).
- Versão vigente
- 1
Erro por horizonte — Brasil
| Horizonte | NRMSE | MAE | RMSE | R² |
|---|---|---|---|---|
| H1 | 0,107 | 0,48 | 0,73 | 0,86 |
| H2 | 0,175 | 0,79 | 1,19 | 0,64 |
| H3 | 0,194 | 1,01 | 1,31 | 0,55 |
| H4 | 0,250 | 1,29 | 1,69 | 0,26 |
Erro por UF — 4 semanas à frente
| UF | NRMSE | MAE | R² |
|---|---|---|---|
| Minas Gerais | 0,164 | 1,88 | 0,73 |
| Rio de Janeiro | 0,312 | 0,43 | -0,25 |
| São Paulo | 0,337 | 1,54 | -0,38 |
| Paraná | 0,405 | 1,36 | -1,13 |
Figuras do treino — 4 semanas à frente



Como a previsão é feita
- Cada modelo lê as 12 semanas terminando na origem, 30/08/2026.
- Há 4 modelos por tipo, um para cada horizonte: o H1 responde “quantos casos na semana seguinte?”, o H2 “duas semanas depois?”, e assim até o H4.
- Todos recebem a mesma janela. Uma semana prevista não é calculada a partir da anterior, e por isso o erro cresce com o horizonte.
- As semanas previstas (06/09/2026 a 27/09/2026) ficam antes do dado mais recente (25/10/2026): é uma previsão retroativa, que dá para conferir com o que foi notificado depois.