Em um contrato de auditoria automatizada, um órgão de controle utiliza técnicas de machine learning para identificar padrões de comportamento atípicos em diárias e passagens. Os da

Gabarito

B

Comentário do professor

O K-means é uma técnica de aprendizado não supervisionado voltada a agrupamento de registros em k grupos com base em semelhança.

Funciona inicializando k centróides, atribuindo cada ponto ao centróide mais próximo (minimizando a distância euclidiana, \( \min_j \|x_i-\mu_j\|^2\)) e atualizando cada centróide pela média dos pontos atribuídos: \( \mu_j=\frac{1}{|C_j|}\sum_{x_i\in C_j}x_i\). O processo itera até convergir.

É adequado aqui porque encontra grupos em dados não rotulados e evidencia registros atípicos como pontos distantes dos centróides — útil para identificar padrões anômalos em diárias e passagens. Requer variáveis numéricas e normalização prévia.

Observações práticas: escolha k com métodos como elbow ou silhouette e use k-means++ ou pré-processamento para mitigar sensibilidade à inicialização e a outliers.