QuestLab Plataforma Inteligente de Questões
Questão pública

Questão de Tecnologia da Informação

FCC - MPE SE - Analista do Ministério Público - Área: Tecnologia da Informação: Desenvolvimento - 2026 • FCC • 2026

A equipe de TI de um Ministério Público está testando o uso de aprendizado de máquina para classificação automática de denúncias em urgente ou não urgente , utilizando Python. Para isso, foi desenvolvido o código abaixo.

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
# Conjunto de treinamento
denuncias = [
"corrupção em contrato público",
"fraude em licitação”,
"crime ambiental grave",
"uso indevido de recursos públicos",
"propina em contrato",
"ruído em vizinhança",
"denúncia de barulho",
"lixo acumulado na rua"
]
classes = [
"urgente", "urgente", "urgente", "urgente", "urgente",
"não urgente", "não urgente", "não urgente"
]
# Vetorização e treinamento
vetorizador = CountVectorizer ()
X = vetorizador.fit_transform(denuncias)
modelo = MultinomialNB ()
modelo.fit(X, classes)
# Nova denúncia a ser classificada
nova_denuncia = ["desvio de verba pública"]

__ I __

Considerando que o código será executado em condições ideais, a lacuna I deve ser preenchida, para que seja exibido o resultado da classificação da nova denúncia no console, com os comandos:
A
X_nova = vetorizador.transform(nova_denuncia)
print ("Classificação:", modelo.predict (X_nova) [0])
B
X_nova = vetorizador.toarray (nova_denuncia)
print ("Classificação:", modelo.predict (X_nova))
C
X_nova = modelo.fit_transform(nova_denuncia)
print("Classificação:", modelo.fit(X_nova) [0])
D
X_nova = vetorizador.fit_transform(nova_denuncia)
print("Classificação:", modelo.predict(X_nova))
E
X_nova = CountVectorizer().fit(nova_denuncia)
print("Classificação:", modelo.predict(X_nova))
Quer responder esta questão e acompanhar seu desempenho?

Entre na QuestLab para responder, acessar a AURA, estatísticas, cadernos, anotações e outros recursos da plataforma.