Uma combinação dos algoritmos Isolation Forest e K-Means aplicada às Eleições Brasileiras

O objetivo deste artigo é estudar mecanismos de detecção de anomalias associadas ao conjunto de dados das candidaturas eleitorais do Brasil em 2018. A metodologia proposta baseia-se em combinar os algoritmos não supervisionados K-Means e Isolation Forest visando criar uma ferramenta de apoio à decisão para reguladores direcionarem recursos humanos para investigação. Os resultados indicam que a proposta KM + IF mostra bom desempenho para situações em que dados anômalos não apresentam tendência de agregação. No entanto, esta metodologia pode produzir resultados insatisfatórios quando essa propriedade de aglomeração se mantém. No estudo de caso para o conjunto de candidaturas eleitorais, o resultado geral do algoritmo KM + IF foi inferior ao resultado individual da técnica Isolation Forest.