Auditor Fiscal Tributário - Tecnologia da Informação
Assinale a opção que apresenta corretamente a tarefa de mineração de dados adequada a ser utilizada caso um banco deseje prever, a partir de variáveis como renda, idade e histórico de pagamentos, o valor do limite de crédito que deve conceder a um cliente.
Aclusterização
Bregras de associação
Cdetecção de anomalias
Dregressão
Eclassificação
Revelar gabarito e comentário▾
GabaritoD — regressão
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Mineração de dados: regressão para previsão de valor contínuo
Gabarito: letra D. O banco deseja prever o valor do limite de crédito, uma variável contínua (quantitativa), a partir de variáveis como renda, idade e histórico de pagamentos. Essa é a tarefa típica de regressão, que modela a relação entre uma variável dependente contínua e uma ou mais variáveis independentes, produzindo valores contínuos como saída. As demais opções — clusterização, regras de associação, detecção de anomalias e classificação — não se adequam ao objetivo de prever um valor numérico.
A questão cobra a distinção fundamental entre as tarefas de mineração de dados, especialmente entre regressão e classificação. Ambas são formas de aprendizado supervisionado, mas diferem na natureza da variável de saída: a regressão prevê valores contínuos (ex.: preço, salário, limite de crédito), enquanto a classificação prevê categorias discretas (ex.: bom/mau pagador, aprovado/reprovado). O contexto de apoio reforça essa distinção ao afirmar que "a regressão é um tipo de aprendizado supervisionado... Seu objetivo é modelar e prever valores contínuos da variável dependente com base nas variáveis explicativas" e que "a regressão logística... é uma técnica de classificação" quando a variável dependente é categórica.
A pegadinha da banca está em confundir o candidato com a classificação (alternativa E), que também é usada para prever algo a partir de variáveis. No entanto, o enunciado pede o valor do limite de crédito — um número contínuo — e não uma categoria como "alto", "médio" ou "baixo". Se o banco quisesse apenas classificar o cliente em faixas de risco, a classificação seria adequada; mas como o objetivo é estimar o valor exato do limite, a regressão é a técnica correta.
Tarefas de mineração de dados
1Supervisionado
Regressão
prevê valor contínuo
ex.: limite de crédito
Classificação
prevê categoria discreta
ex.: bom/mau pagador
2Não supervisionado
Clusterização
agrupa sem variável alvo
Regras de associação
co-ocorrência entre itens
Detecção de anomalias
identifica desvios
LEVEL · soulevel.com.br
Critério
Regressão (D)
Classificação (E)
Natureza da variável prevista
Contínua (ex.: valor exato do limite de crédito em R$)
Prever o valor do limite de crédito a partir de renda, idade e histórico
Classificar o cliente em faixas de risco ou categorias de crédito
Adequação ao enunciado
✅ Correta — o banco quer prever um valor numérico
❌ Incorreta — o enunciado pede valor contínuo, não categoria
Alternativa A — ❌ Incorreta
A clusterização (ou análise de cluster) é uma técnica de aprendizado não supervisionado que agrupa observações semelhantes em grupos (clusters), sem uma variável alvo pré-definida. No caso, o banco tem uma variável alvo clara (o limite de crédito) e deseja prever seu valor, o que caracteriza aprendizado supervisionado. A clusterização não prevê valores; ela apenas descobre estruturas de agrupamento nos dados.
Alternativa B — ❌ Incorreta
As regras de associação são usadas para descobrir relações de co-ocorrência entre itens em transações (ex.: "clientes que compram pão também compram manteiga"). Não se aplicam à previsão de um valor numérico como o limite de crédito. Essa técnica é típica de análise de cesta de compras, não de modelagem preditiva de variável contínua.
Alternativa C — ❌ Incorreta
A detecção de anomalias (outliers) identifica observações que se desviam significativamente do padrão esperado. Embora possa ser útil para identificar clientes de risco, não é a tarefa de prever o valor do limite de crédito. O objetivo do banco é estimar um valor para cada cliente, não identificar quais são anômalos.
Alternativa D — ✅ Correta ⟵ GABARITO
A regressão é a técnica de aprendizado supervisionado que modela a relação entre uma variável dependente contínua e uma ou mais variáveis independentes, produzindo valores contínuos como saída. O limite de crédito é uma variável contínua (ex.: R$ 5.000,00), e as variáveis renda, idade e histórico de pagamentos são as preditoras. O contexto de apoio define: "Regressão Linear: técnica usada para modelar a relação entre uma variável dependente contínua e uma ou mais variáveis independentes, resultando em valores contínuos". Portanto, é exatamente a tarefa adequada.
Alternativa E — ❌ Incorreta
A classificação é uma técnica de aprendizado supervisionado que prevê uma variável dependente categórica (discreta), como "bom pagador" ou "mau pagador". O enunciado pede o valor do limite de crédito, que é contínuo, e não uma categoria. Se o banco quisesse apenas classificar o cliente em faixas de crédito (ex.: baixo, médio, alto), a classificação seria adequada; mas como o objetivo é prever o valor exato, a regressão é a correta.
NÃO CAIA NESSA!
A banca tenta fazer o candidato confundir regressão com classificação, pois ambas são aprendizado supervisionado. A chave é observar a natureza da variável a ser prevista: se é contínua (valor numérico), usa-se regressão; se é categórica (classe), usa-se classificação. Aqui, "valor do limite de crédito" é contínuo → regressão. Fique atento a essa distinção, que é clássica em provas de mineração de dados!
PEGA ESSA DICA!
Para resolver questões desse tipo, pergunte-se: "O que quero prever é um número ou uma categoria?" Se for número (preço, salário, limite), é regressão. Se for categoria (sim/não, alto/médio/baixo), é classificação. Essa pergunta simples resolve a maioria das questões sobre tarefas de mineração de dados.