Previsão de Preços de Carros com Regressão Linear 📈

Olá pessoal! 👋

Estou entusiasmado em compartilhar meu projeto recente de modelagem preditiva, onde explorei a aplicação de regressão linear para prever preços de carros com base em características específicas.

Objetivo do Projeto

O principal objetivo deste projeto foi desenvolver um modelo preditivo robusto que pudesse estimar os preços de carros com base em uma série de características. A regressão linear foi a escolha ideal para essa tarefa, pois nos permitiu entender as relações lineares entre as variáveis.

Resultados do Modelo

Ao longo do projeto, avaliamos o desempenho do modelo usando métricas cruciais, como Erro Absoluto Médio (MAE), Erro Quadrático Médio (MSE), Raiz do Erro Quadrático Médio (RMSE), Coeficiente de Determinação (R2), RMSLE e MAPE. Essas métricas forneceram insights valiosos sobre a capacidade do modelo de generalizar para novos dados.

Métricas de Desempenho (Validação Cruzada)

• MAE: 0.2569
• MSE: 0.1527
• RMSE: 0.3695
• R2: 0.8163
• RMSLE: 0.1839
• MAPE: 1.3264

Avaliação do Processo de Tunagem do Modelo

Realizamos uma etapa de tunagem do modelo, explorando diferentes combinações de hiperparâmetros para otimizar ainda mais o desempenho da regressão linear.

Ferramentas Utilizadas

• Linguagem de Programação: Python
• Bibliotecas Principais: pandas, scikit-learn, seaborn, matplotlib
• Ambiente de Desenvolvimento: Jupyter Notebook

Próximos Passos

O projeto forneceu uma base sólida, mas sempre há espaço para melhorias. Planejo explorar outras técnicas de modelagem, como regressão polinomial e modelos de machine learning mais avançados, para ver como eles se comparam ao modelo linear.

Se você estiver interessado em mais detalhes ou quiser discutir as nuances do projeto, ficarei feliz em compartilhar mais informações. Acredito que o aprendizado contínuo é a chave para aprimorar nossas habilidades de ciência de dados. 🚀