O auditor de contas públicas João deverá realizar uma auditoria financeira e precisa construir um modelo de aprendizado de máquina, simples e interpretável, para classificar transações como "suspeitas" ou "não suspeitas". Para tanto, João deverá basear-se em atributos, como valor da transação, localização, tipo de transação e histórico do cliente, contidos em um conjunto de dados relativamente pequeno. Nesse contexto, para criar esse modelo, João deverá aplicar a técnica de classificação binária:
- A)k-means;
Errada, porque k-means é uma técnica de agrupamento não supervisionado, não de classificação binária.
- B)regressão linear;
Errada, porque regressão linear serve para prever valores numéricos contínuos, e não classes como suspeita ou não suspeita.
- C)árvore de decisão;
Certa, porque árvore de decisão é um método supervisionado, interpretável e adequado para classificação binária com poucos dados.
- D)rede neural artificial;
Errada, porque redes neurais artificiais podem classificar, mas tendem a ser menos interpretáveis, o que contraria o enunciado.
- E)análise de componentes principais.
Errada, porque análise de componentes principais é técnica de redução de dimensionalidade, não de classificação.
Gabarito: C
Quando a ideia é classificar um caso em duas classes, como "suspeita" ou "não suspeita", você está diante de um problema de classificação binária. Se, além disso, o modelo precisa ser simples, interpretável e funcionar bem com poucos dados, vale buscar técnicas que deixem claro o caminho da decisão. É como querer que o modelo não seja uma caixa-preta: ele deve mostrar, de forma razoavelmente transparente, por que chegou à conclusão. A árvore de decisão é perfeita nesse cenário. Ela separa os dados por perguntas sucessivas, por exemplo, se o valor da transação é alto, se a localização é incomum, se o histórico do cliente tem alerta, e assim por diante. No fim, ela entrega uma regra de decisão fácil de entender, o que ajuda muito em auditoria e controle. Por isso o gabarito é a letra C. A árvore de decisão é uma técnica de aprendizado supervisionado muito usada para classificação, inclusive binária, justamente por ser interpretável e adequada para conjuntos de dados menores. Em termos práticos, ela combina bem com situações em que você quer explicar a decisão para alguém, e não apenas acertar o rótulo final. Já as outras alternativas fogem do objetivo: algumas são técnicas de agrupamento, outras de regressão, e outras de redução de dimensionalidade. Ou seja, a banca quis testar se você sabia distinguir classificação de outras tarefas de aprendizado de máquina. Aqui, não tem mistério: o modelo precisa classificar, não agrupar nem comprimir dados.