Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025

Aprendizado de máquina: classificação × regressão

Gabarito: Errado (E). O problema descrito — decidir automaticamente se uma solicitação de garantia deve ser aprovada ou negada — é um problema de classificação binária, não de regressão. A regressão linear estima valores contínuos (como preço, tempo, temperatura), enquanto a decisão pedida exige um rótulo de classe (aprovado/negado). O algoritmo adequado seria, por exemplo, a regressão logística, árvores de decisão ou redes neurais — técnicas de classificação.

O aprendizado de máquina supervisionado se divide em dois grandes grupos de problemas: classificação e regressão. A distinção é essencial e é exatamente o que esta questão testa. Na classificação, o objetivo é determinar a qual classe uma entidade pertence — ou seja, prever um rótulo discreto. Quando há apenas dois rótulos possíveis, temos a classificação binária (como "spam" ou "não spam", "aprovado" ou "negado"). Na regressão, o objetivo é prever um valor contínuo — um número que pode assumir qualquer valor em um intervalo, como o preço de um imóvel, a temperatura prevista ou o tempo de permanência de um funcionário em uma empresa.

No caso da empresa, cada solicitação de garantia descreve o defeito alegado, a data de compra e outros detalhes. O sistema deve usar esses dados históricos para decidir entre duas opções: aprovar ou negar a solicitação. Essa é a essência de um problema de classificação binária — a saída é categórica, não numérica. A regressão linear, por mais que possa ser usada para estimar uma probabilidade ou um "score", não é a ferramenta indicada para o problema diretamente, pois o resultado final precisa ser uma decisão discreta entre duas classes.

A banca explora a confusão entre os dois tipos de problema. O candidato pode pensar: "a regressão estima valores contínuos, e esses valores podem ser usados para decidir". Mas o ponto é que o problema em si é de classificação — a saída desejada é um rótulo, não um valor contínuo. O algoritmo indicado seria a regressão logística, que, apesar do nome, é um algoritmo de classificação que estima a probabilidade de pertencer a uma classe e, a partir de um limiar, decide entre as classes. Outros exemplos: árvores de decisão, KNN, SVM, redes neurais.

Guarde a fronteira: classificação = rótulo discreto (categorias); regressão = valor contínuo (número). É nessa fronteira que a alternativa se decide.

Item — ❌ Errado

A afirmativa está errada porque o problema é de classificação binária (aprovar ou negar), e não de regressão. A regressão linear é indicada para estimar valores contínuos, como preço ou temperatura. Embora seja possível usar um modelo de regressão para gerar um "score" e depois aplicar um limiar para decidir, a abordagem natural e indicada para o problema é a classificação — e o algoritmo clássico para isso é a regressão logística, que estima a probabilidade de pertencer a uma classe e, a partir de um limiar, decide entre as classes. A banca troca o tipo de problema: o enunciado pede uma decisão categórica, e a alternativa oferece um algoritmo de regressão, que é para valores contínuos.

Gabarito: Errado (E).