Uma Secretaria da Fazenda Estadual precisa analisar 500 mil declarações fiscais para identificar contribuintes com comportamento tributário similar, sem ter exemplos prévios de classificação. A equipe técnica deve agrupar as empresas considerando apenas as características declaradas (receita, despesas, setor, localização) e descobrir padrões naturais nos dados.A técnica mais adequada para essa tarefa é:
AÁrvores de decisão, pois criam regras hierárquicas de classificação baseadas em variáveis fiscais usando exemplos rotulados de empresas regulares e irregulares.
BAnálise de séries temporais, pois identifica tendências e padrões sazonais na arrecadação tributária ao longo do tempo para projeções futuras de receita.
CRegressão logística, pois classifica empresas em categorias de risco fiscal utilizando variáveis preditoras numéricas categóricas com base em histórico de autuações anteriores.
DK-means clustering, pois agrupa empresas por similaridade sem necessidade de rótulos prévios, identificando padrões naturais nos dados declarados pelos contribuintes.
ERedes neurais profundas, pois aprendem representações complexas dos dados fiscais através de múltiplas camadas ocultas treinadas com backpropagation supervisionado.
Revelar gabarito e comentário▾
GabaritoD — K-means clustering, pois agrupa empresas por similaridade sem necessidade de rótulos prévios, identificando padrões naturais nos dados declarados pelos contribuintes.
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”.
Análise de Cluster: K-means e aprendizado não supervisionado
Gabarito: letra D. O K-means clustering é a técnica adequada porque o problema exige agrupar 500 mil declarações fiscais por similaridade sem exemplos prévios de classificação — exatamente o cenário de aprendizado não supervisionado, em que o algoritmo descobre padrões naturais nos dados sem depender de rótulos. As demais alternativas descrevem técnicas supervisionadas (árvores de decisão, regressão logística, redes neurais com backpropagation) ou análise de séries temporais, que não se aplicam ao objetivo de segmentação por similaridade.
O enunciado descreve uma tarefa típica de análise de cluster (ou agrupamento), um dos pilares da análise multivariada. O objetivo é particionar um conjunto de observações em grupos homogêneos internamente e heterogêneos entre si, com base nas características observadas — aqui, receita, despesas, setor e localização. Como não há classes predefinidas (não se sabe de antemão quem é regular ou irregular), o método deve ser não supervisionado: ele aprende a estrutura dos dados a partir das próprias variáveis, sem usar rótulos.
O K-means é o algoritmo de agrupamento mais clássico e direto: o analista define o número de grupos (K), o algoritmo atribui cada observação ao centroide mais próximo e recalcula os centroides iterativamente até a convergência. É computacionalmente eficiente para grandes volumes (500 mil registros são viáveis), e as variáveis declaradas (receita, despesas, setor, localização) podem ser padronizadas e usadas como atributos de similaridade. O resultado são grupos de contribuintes com comportamento tributário parecido, permitindo à Secretaria descobrir padrões naturais — por exemplo, perfis de risco ou de sonegação — sem precisar de exemplos rotulados.
A pegadinha da questão está em confundir aprendizado supervisionado com não supervisionado. As alternativas A, C e E descrevem técnicas que exigem dados rotulados (exemplos de empresas regulares/irregulares, histórico de autuações, classes de risco), o que contraria a premissa do enunciado de "sem exemplos prévios de classificação". A alternativa B (séries temporais) trata de evolução temporal da arrecadação, não de agrupamento de contribuintes. A banca explora exatamente essa distinção: quem não domina a diferença entre classificação supervisionada e agrupamento não supervisionado tende a escolher uma técnica que depende de rótulos.
Aprendizado de máquina: Supervisionado (com rótulos) (Árvore de decisão, Regressão logística, Redes neurais (backpropagation)); Não supervisionado (sem rótulos) (K-means clustering, Cluster hierárquico, DBSCAN); Séries temporais (ARIMA, Suavização exponencial)
Alternativa A — ❌ Incorreta
Árvores de decisão são um método supervisionado: precisam de um conjunto de treinamento com exemplos rotulados (empresas regulares e irregulares) para induzir regras de classificação. O enunciado afirma explicitamente que não há exemplos prévios de classificação, o que inviabiliza o uso dessa técnica. O erro está em propor uma técnica que depende de rótulos para um problema de descoberta de padrões sem rótulos.
Alternativa B — ❌ Incorreta
Análise de séries temporais estuda a evolução de uma variável ao longo do tempo (tendência, sazonalidade, ciclos) para fazer projeções futuras. O problema aqui não envolve dimensão temporal nem previsão de arrecadação; o objetivo é agrupar contribuintes por similaridade em um corte transversal dos dados. A técnica é inadequada para segmentação de empresas.
Alternativa C — ❌ Incorreta
Regressão logística é um método supervisionado de classificação binária ou multiclasse: modela a probabilidade de pertencer a uma categoria (ex.: risco alto/baixo) a partir de variáveis preditoras, mas exige um histórico com autuações anteriores (rótulos). Como o enunciado descarta a existência de exemplos rotulados, a regressão logística não pode ser aplicada. O erro é o mesmo da alternativa A: usar técnica supervisionada em cenário não supervisionado.
Alternativa D — ✅ Correta ⟵ GABARITO
O K-means clustering é um algoritmo de aprendizado não supervisionado que agrupa observações por similaridade, sem necessidade de rótulos prévios. Ele particiona os dados em K grupos, minimizando a variância intra-grupo, e é adequado para grandes volumes de dados (500 mil registros). As variáveis declaradas (receita, despesas, setor, localização) podem ser padronizadas e usadas como atributos de similaridade, permitindo identificar padrões naturais de comportamento tributário — exatamente o que o enunciado pede.
Alternativa E — ❌ Incorreta
Redes neurais profundas podem ser usadas tanto de forma supervisionada quanto não supervisionada, mas a alternativa descreve explicitamente treinamento com backpropagation supervisionado, ou seja, com exemplos rotulados. Além disso, para o objetivo de agrupamento por similaridade, o K-means é mais simples, interpretável e eficiente do que uma rede profunda. O erro está em propor uma técnica supervisionada (e desnecessariamente complexa) para um problema de segmentação não supervisionada.
NÃO CAIA NESSA!
A banca troca o paradigma: as alternativas A, C e E descrevem técnicas supervisionadas (árvores de decisão, regressão logística, redes neurais com backpropagation), que exigem rótulos, enquanto o enunciado afirma "sem exemplos prévios de classificação". O candidato que não domina a diferença entre aprendizado supervisionado e não supervisionado cai na armadilha de escolher uma técnica que depende de dados rotulados. Fique atento: se o problema diz "sem rótulos", a resposta quase sempre é um método de clusterização (K-means, hierárquico, DBSCAN).
PEGA ESSA DICA!
Para resolver questões desse tipo, identifique primeiro se há rótulos (classes conhecidas) ou não. Se houver rótulos → técnicas supervisionadas (classificação, regressão). Se não houver → técnicas não supervisionadas (clusterização, redução de dimensionalidade). Memorize os exemplos típicos:
Paradigma
Técnicas
Exemplo de uso
Supervisionado
Árvore de decisão, regressão logística, SVM, redes neurais com backpropagation
Classificar empresas em regulares/irregulares com base em histórico
Não supervisionado
K-means, cluster hierárquico, DBSCAN, PCA
Agrupar contribuintes por similaridade sem rótulos