Questão FC369889
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-
Inteligência Artificial (IA)
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:
- DBSCAN, para identificar clusters esparsos como potenciais anomalias.
- Isolation Forest, para detecção direta de valores atípicos.
- K-means, para agrupar decisões por faixas de valor indenizatório.
- Autoencoders, para reconstrução de padrões normais e sinalização de desvios.
- PCA (Análise de Componentes Principais), para visualização de outliers.
Mostrar resposta e comentário
Gabarito
B
Comentário do professor
Isolation Forest é uma técnica de detecção de anomalias **não supervisionada** indicada quando não há dados históricos rotulados. Ela isola observações construindo várias árvores de partição aleatórias; pontos que exigem poucas divisões ficam mais próximos da raiz e são considerados atípicos.
O método calcula um **score de anomalia** baseado no comprimento médio do caminho de isolamento \(E(h)\) em relação a uma norma \(c(n)\): \(s = 2^{-E(h)/c(n)}\). Valores de \(s\) próximos de 1 indicam maior probabilidade de serem anomalias.
Vantagens: funciona **sem rótulos**, escala bem para **alta dimensionalidade** e é eficiente computacionalmente por usar um **ensemble de árvores**. Na prática jurídica, serve para sinalizar decisões indemnizatórias incomuns a serem revisadas manualmente.
É preciso ajustar o parâmetro de **contamination** ou definir limiares para transformação do score em alertas operacionais.
Conteúdo do catálogo FC Concursos · Atualizado em