GabaritoB — a regressão logística.
Gabarito: letra B. A técnica de análise preditiva mais adequada para prever fraudes em transações financeiras é a regressão logística, por ser um método de classificação binária que modela a probabilidade de ocorrência de um evento (fraude ou não) a partir de variáveis preditoras. As demais opções não se enquadram no objetivo preditivo e binário da questão.
A banca cobra o conhecimento dos tipos de análise em Big Data e das técnicas específicas de análise preditiva. A análise preditiva busca responder "o que irá acontecer?", utilizando dados históricos para prever comportamentos futuros. Para fraudes, o alvo é uma variável categórica (fraude/sem fraude), o que torna a regressão logística a escolha clássica.
A análise de sentimento é uma técnica de processamento de linguagem natural (NLP) voltada para extrair opiniões, emoções ou atitudes de textos (ex.: redes sociais, avaliações). Não é adequada para prever fraudes em transações, pois não lida diretamente com dados estruturados de transações nem com classificação binária objetivo.
A regressão logística é um modelo estatístico de classificação binária que estima a probabilidade de um evento ocorrer com base em variáveis independentes. Em detecção de fraudes, ela é amplamente utilizada para prever se uma transação é fraudulenta ou não, a partir de características como valor, horário, localização, histórico do cliente etc. É uma técnica consagrada de análise preditiva.
A análise de séries temporais é voltada para prever valores futuros de uma variável ao longo do tempo (ex.: preço de ações, demanda de produtos). Embora possa ser usada em alguns contextos financeiros, não é a abordagem padrão para classificação de transações individuais como fraudulentas ou não, pois o foco não é a evolução temporal do risco, mas a decisão ponto a ponto.
A estatística descritiva resume e descreve os dados (médias, frequências, distribuições), mas não realiza predições. Seu papel é exploratório e diagnóstico, não preditivo. Para prever fraudes, é necessário um modelo preditivo, não apenas descritivo.
O agrupamento hierárquico é uma técnica de aprendizado não supervisionado que organiza os dados em grupos (clusters) com base em similaridades. Não é capaz de prever classes rotuladas (fraude/não fraude) e não é usada como modelo preditivo. Pode ser útil em análises exploratórias, mas não responde à pergunta de previsão.
Na detecção de fraudes, as técnicas supervisionadas de classificação (regressão logística, árvores de decisão, floresta aleatória, redes neurais) são as mais indicadas. A regressão logística é a mais simples e interpretável entre elas, sendo frequentemente a primeira escolha. Memorize que:
Técnica | Tipo | Aplicação típica |
|---|---|---|
Regressão logística | Preditiva (supervisionada) | Classificação binária (fraude) |
Análise de sentimento | NLP | Opinião em textos |
Séries temporais | Preditiva (numérica) | Previsão de valores contínuos no tempo |
Estatística descritiva | Descritiva | Resumo de dados |
Agrupamento hierárquico | Não supervisionada | Segmentação/exploração |
Gabarito: letra B.
Link permanente: /questoes/ce191199