Questão de Sistemas de Informação — Sistemas de Informação — CESPE / CEBRASPE 2025
Sistemas de Informação›Sistemas 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
Aa detecção de anomalias.
Ba regressão.
Ca classificação.
Da clusterização.
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.