No âmbito jurídico, é possível deparar-se com situações em que é necessário identificar decisões judiciais com valores indenizatórios atípicos, sem dispor de um banco de dados pré-classificado como "normal" ou "anômalo". Para alertar sobre esses casos, sem empregar dados históricos rotulados, a técnica de machine learning mais adequada é: A) DBSCAN , para identificar clusters esparsos como potenciais anomalias. B) Isolation Forest , para detecção direta de valores atípicos. C) K-means , para agrupar decisões por faixas de valor indenizatório. D) Autoencoders , para reconstrução de padrões normais e sinalização de desvios. E) PCA (Análise de Componentes Principais) , para visualização de outliers .

E) PCA (Análise de Componentes Principais) , para visualização de outliers .

Questões Informática Inteligência Artificial e Automação

No âmbito jurídico, é possível deparar-se com situações em que é necessário identificar...

Responda: No âmbito jurídico, é possível deparar-se com situações em que é necessário identificar decisões judiciais com valores indenizatórios atípicos, sem dispor de um banco de dados pré-classificado como...

1Q1035919 | Informática, Inteligência Artificial e Automação, Tecnologia da Informação, TCE PE, FGV, 2025

No âmbito jurídico, é possível deparar-se com situações em que é necessário identificar decisões judiciais com valores indenizatórios atípicos, sem dispor de um banco de dados pré-classificado como "normal" ou "anômalo".
Para alertar sobre esses casos, sem empregar dados históricos rotulados, a técnica de machine learning mais adequada é:

✂️ a) DBSCAN, para identificar clusters esparsos como potenciais anomalias.
✂️ b) Isolation Forest, para detecção direta de valores atípicos.
✂️ c) K-means, para agrupar decisões por faixas de valor indenizatório.
✂️ d) Autoencoders, para reconstrução de padrões normais e sinalização de desvios.
✂️ e) PCA (Análise de Componentes Principais), para visualização de outliers.