Este é um projeto de machine learning para análise de dados de vendas de carros, com informações de clientes e valores pagos pelos veículos, os dados foram disponibilizados na plataforma Kaggle.

O caso proposto e o problema a ser solucionado: "Você está trabalhando como cientista de dados em uma empresa automobilística. Você gostaria de desenvolver um modelo para prever o valor total que os clientes estão dispostos a pagar pelo carro novo. Essas informações serão utilizadas pela empresa para fazer o marketing direcionado com base no perfil do cliente."

Sobre o conjunto de dados: "Este arquivo contém as informações das várias pessoas com os seguintes detalhes que podem nos ajudar a descobrir a melhor previsão e também nos ajudar a treinar nosso modelo para prever o valor correto e obter um bom F1 Score."

• Analisar a correlação dos dados dos clientes com os valores de compra de carros.
• Gerar um modelo preditivo para o valor que um cliente está disposto a pagar por um carro novo.
• Simular novas entradas de dados e previsão de valor a pagra por um carro novo.

1. Análise das medidas estatísticas dos dados
2. Distribuição dos dados entre as variáveis independentes (features) e dependente (target)
3. Correlação entre as variáveis
4. Criação do modelo de regressão linear múltipla
   1. Separação dos dados de treino e teste
   2. Treinamento do modelo
   3. Predições do modelo com dados de teste
   4. Resíduo, diferença entre dados de teste e dados previstos
   5. Métricas de performance
   6. Previsões com novos dados

• Python
  • Biblioteca GC
  • Biblioteca Pandas
  • Biblioteca Matplotlib
  • Biblioteca Seaborn
  • Biblioteca Numpy
  • Biblioteca Warnings
  • Biblioteca Tabulate
  • Biblioteca SciKit-learn

• Estênio Mariano

Licença MIT (MIT). Por favor leia o arquivo da licença para mais informações.