Pular para o conteúdo principal

Questão de Sistemas de Informação — Sistemas de Informação — CESPE / CEBRASPE 2025

Sistemas de InformaçãoSistemas de Informação
Código
ce214876
Banca
CESPE / CEBRASPE
Órgão
SEFAZ-SE
Ano
2025
Nível
Superior
Cargo
Auditor Fiscal Tributário - Tecnologia da Informação
Se o objetivo de um modelo de machine learning for identificar os clientes que possuem maior chance de cancelar o contrato no próximo mês, a partir de variáveis como tempo de permanência, valor gasto mensal e histórico de reclamações, então, nesse caso, a tarefa de mineração de dados adequada para atender ao objetivo previsto será
  1. Aa detecção de anomalias.
  2. Ba regressão.
  3. Ca classificação.
  4. Da clusterização.
  5. Eas regras de associação.
Revelar gabarito e comentário

GabaritoC — a classificação.

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”.

Tarefas de Mineração de Dados para Previsão de Churn

Gabarito: letra C. A tarefa de classificação é a mais adequada para prever uma categoria discreta (churn ou não) a partir de variáveis preditoras como tempo de permanência, valor gasto mensal e histórico de reclamações. A classificação é uma técnica de aprendizado supervisionado que aprende com dados rotulados (clientes que cancelaram ou não) para prever a classe de novos exemplos.

As demais alternativas representam tarefas de mineração de dados diferentes, cada uma com seu objetivo específico:

Alternativa A — ❌ Incorreta

A detecção de anomalias identifica padrões atípicos ou outliers nos dados. Não é adequada para prever um evento binário como churn (embora um cliente anômalo possa ter maior chance de cancelar, o objetivo explícito é classificar todos os clientes, não apenas os atípicos).

Alternativa B — ❌ Incorreta

A regressão é usada para prever valores numéricos contínuos (ex.: valor gasto no próximo mês). Como a variável-alvo é categórica (sim/não), a regressão não se aplica.

Alternativa C — ✅ Correta ⟵ GABARITO

A classificação é a tarefa supervisionada que associa cada instância a uma classe discreta. O problema descrito é um caso clássico de classificação binária, onde o modelo aprende padrões a partir de dados históricos para prever se um cliente cancelará (classe 1) ou não (classe 0) no próximo mês.

Alternativa D — ❌ Incorreta

A clusterização é uma técnica não supervisionada que agrupa dados sem usar rótulos, buscando similaridades entre os exemplos. Não é apropriada para prever uma variável-alvo definida, pois não há treinamento com respostas conhecidas.

Alternativa E — ❌ Incorreta

As regras de associação (como Apriori) descobrem relações frequentes entre itens em transações (ex.: “clientes que compram A também compram B”). Não se destinam à predição de um atributo específico como churn.

PEGA ESSA DICA!

Para identificar a tarefa de mineração correta, pergunte-se: a variável-alvo é categórica (classificação), contínua (regressão), não há rótulo (clusterização ou associação) ou o foco são outliers (anomalias)? No caso, sim/não churn é categórico → classificação.

Gabarito: letra C.

Link permanente: /questoes/ce214876