Alternativa correta: E (Errado)

Tema central: A questão aborda Inteligência Artificial (IA) e Machine Learning, mais especificamente a diferença entre modelos de regressão e classificação no contexto de aprendizado supervisionado, muito utilizados em investigações de fraude.

Resumo teórico:

No aprendizado supervisionado, fornecemos ao algoritmo exemplos rotulados para que ele aprenda padrões e possa prever sobre novos dados. Os dois principais tipos de problemas são:

• Classificação: O objetivo é atribuir categorias a exemplos. Ex: determinar se uma transação é fraudulenta ou não (rótulos: “fraude” ou “normal”).
• Regressão: O objetivo é prever valores numéricos contínuos. Ex: estimar o valor do desvio financeiro em uma operação.

Fonte: “Pattern Recognition and Machine Learning” (Bishop, 2006), Coursera/Stanford Machine Learning.

Justificativa da alternativa correta:

A questão está errada porque inverteu os papéis das técnicas:

• Modelos de classificação são os adequados para prever se uma transação é fraudulenta (resposta “sim” ou “não” – categoria).
• Modelos de regressão são usados para estimar o valor provável do desvio financeiro (um número real, como R$ 100.000,00).

No texto, foi dito o contrário: que regressão serve para prever fraude (categórico) e classificação para estimar valores (contínuo), o que não está correto de acordo com a teoria.

Dica de interpretação: Sempre que você ler questões sobre IA e Machine Learning, atente-se à diferença entre “prever categorias” e “prever valores numéricos”. Questões de concurso gostam de inverter esses conceitos para confundir o candidato.

Resumo final: O erro está em atribuir regressão ao papel de classificar (fraude/não fraude) e classificação ao papel de prever valores (valor do desvio). O correto é justamente o oposto.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

Item: Falso.

A afirmativa confunde os tipos de modelos utilizados nas tarefas de regressão e classificação no contexto do aprendizado supervisionado.

Vamos analisar:

Modelos de classificação são utilizados para prever categorias ou classes discretas. No exemplo citado, prever se uma transação é fraudulenta ou não é uma tarefa de classificação binária, e está corretamente associada à classificação.

Já modelos de regressão são usados para prever valores contínuos, como o valor provável de um desvio financeiro. Portanto, prever o valor de um desvio deve ser feito com modelos de regressão, não de classificação.

Erro da assertiva:

A frase inverte os papéis dos modelos:

Erradamente diz que modelos de classificação estimam o valor do desvio financeiro (deveria ser regressão).

Corretamente afirma que modelos de regressão podem prever se uma transação é fraudulenta (o que, na verdade, também está invertido — deveria ser classificação).

✅ Correção da assertiva:

> Durante investigações conduzidas pela Polícia Federal, técnicas de aprendizado supervisionado podem ser aplicadas para análise preditiva. Por exemplo, ao utilizar modelos de classificação, é possível prever se uma determinada transação financeira é fraudulenta ou não, com base em padrões históricos. Já modelos de regressão são utilizados para estimar o valor provável do desvio financeiro em operações suspeitas.

Durante investigações conduzidas pela Polícia Federal, técnicas de aprendizado supervisionado podem ser aplicadas para análise preditiva. Por exemplo, ao utilizar modelos de regressão, é possível prever se uma determinada transação financeira é fraudulenta ou não, com base em padrões históricos. Já modelos de classificação são utilizados para estimar o valor provável do desvio financeiro em operações suspeitas.

O modelo de classificação não estima valor (número, quantidade em reais etc.). Ele classifica categorias, como:

• "Fraude" ou "Não fraude"
• "Alto risco" ou "Baixo risco"
• "Suspeita confirmada" ou "Suspeita descartada"

Quem estima valores numéricos são os modelos de regressão.

DICA:

Classificação: prevê rótulos ou categorias.

Regressão: prevê números ou valores.

E