Ensaios De Aprendizagem De Máquina No Bancos De Dados Do Sistema De Fiscalização De Gestão Do Tce

Abstract

Motivada pelo interesse em realizar previsões acerca do cumprimento dos municípios catarinenses no que tange às metas determinadas pela Lei de Responsabilidade Fiscal, a presente pesquisa, de caráter aplicado, quantitativo e com abordagem indutiva, fez uso de técnicas de mineração de dados e análise de regressão para desenvolver seu objeto, que considerou a receita corrente líquida como variável de estudo e comparação estatística, com o emprego de algoritmos de previsão. As técnicas selecionadas evidenciaram que os gastos com pessoal dos executivos é próximo de 50% e que, dentre os algoritmos analisados, a melhor abordagem foi obtida pelo RandomForest, que apresentou um erro absoluto relativo de 5,1904%. Tais resultados permitiram demonstrar que é viável prever se um município irá extrapolar as metas impostas pela lei, informação que condiciona os Tribunais de Contas a atuar de forma pró-ativa, tornando mais efetivas as atividades de fiscalização.