Uma instituição financeira deseja implementar um sistema de detecção de fraudes em transações de cartão de crédito. Para isso, contratou uma equipe de ciência de dados que propôs duas abordagens distintas:
- Abordagem I: Utilizar um modelo de classificação supervisionada, treinado com um conjunto de dados históricos rotulados como fraudulentos ou não fraudulentos, empregando validação cruzada estratificada e métricas como AUC-ROC e recall.
- Abordagem II: Aplicar um algoritmo de clustering não supervisionado, como DBSCAN, para agrupar transações com características similares e, posteriormente, identificar como anomalias as transações que não se enquadram em nenhum agrupamento denso.
Considerando as características inerentes ao problema de detecção de fraudes, como desbalanceamento extremo entre classes, mudança constante no comportamento dos fraudadores e necessidade de interpretabilidade para justificar bloqueios, avalie as afirmativas a seguir:
- A Abordagem I é intrinsecamente superior à Abordagem II, pois a disponibilidade de rótulos garante que o modelo aprenda exatamente o conceito de fraude, independentemente de variações temporais.
- A Abordagem II pode ser vantajosa por não depender de rótulos, mas tende a apresentar alto número de falsos positivos se o limiar de densidade não for ajustado adequadamente, além de não fornecer uma probabilidade calibrada de fraude.
- Em ambas as abordagens, a engenharia de atributos é irrelevante, pois os algoritmos modernos de classificação e clustering são capazes de extrair automaticamente todas as representações necessárias a partir dos dados brutos.
- A combinação das duas abordagens, utilizando o clustering para gerar novas features ou para segmentar o espaço de transações antes da classificação, pode mitigar o desbalanceamento e melhorar o desempenho preditivo.
Estão corretas apenas as afirmativas:
