{"id":22379757,"url":"https://github.com/jsnevt/regressao_linear","last_synced_at":"2026-04-18T04:32:21.898Z","repository":{"id":80479377,"uuid":"606032433","full_name":"JsnEvt/Regressao_Linear","owner":"JsnEvt","description":"Regressão linear simples - Qual a velocidade se levou x distância para parar ?","archived":false,"fork":false,"pushed_at":"2025-09-04T13:20:04.000Z","size":468,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-09-04T15:22:30.959Z","etag":null,"topics":["linear-regression","matplotlib","numpy","pandas","python"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/JsnEvt.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":null,"dco":null,"cla":null}},"created_at":"2023-02-24T12:55:10.000Z","updated_at":"2025-09-04T13:20:08.000Z","dependencies_parsed_at":null,"dependency_job_id":"9c6e5206-711f-472a-aadb-0f61c155e3e6","html_url":"https://github.com/JsnEvt/Regressao_Linear","commit_stats":null,"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/JsnEvt/Regressao_Linear","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/JsnEvt%2FRegressao_Linear","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/JsnEvt%2FRegressao_Linear/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/JsnEvt%2FRegressao_Linear/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/JsnEvt%2FRegressao_Linear/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/JsnEvt","download_url":"https://codeload.github.com/JsnEvt/Regressao_Linear/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/JsnEvt%2FRegressao_Linear/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":31956866,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-18T00:39:45.007Z","status":"online","status_checked_at":"2026-04-18T02:00:07.018Z","response_time":103,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["linear-regression","matplotlib","numpy","pandas","python"],"created_at":"2024-12-04T23:11:21.376Z","updated_at":"2026-04-18T04:32:21.863Z","avatar_url":"https://github.com/JsnEvt.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"\n\n# 🚗 Regressão Linear com Dados de Carros\n\nProjeto desenvolvido durante o curso **Formação Cientista de Dados: O Curso Completo**, ministrado por **Fernando Amaral (Udemy)**.  \nO objetivo é aplicar **Regressão Linear** para compreender e prever relações entre variáveis de automóveis (como preço, consumo, potência, quilometragem, entre outros).\n\n---\n\n## 📌 Proposta do Projeto\n- Demonstrar o uso de **regressão linear simples e múltipla** em dados de carros.  \n- Analisar como variáveis independentes (ex.: motor, peso, ano, quilometragem) influenciam uma variável dependente (ex.: preço).  \n- Avaliar estatisticamente o modelo para medir sua qualidade preditiva.  \n- Visualizar graficamente a reta de regressão e os resíduos para validar os resultados.  \n\n---\n\n## 🧠 Conceitos de Regressão Linear Abordados\n- **Regressão Linear Simples** → quando há apenas uma variável explicativa.  \n- **Regressão Linear Múltipla** → quando múltiplas variáveis são usadas para prever o alvo.  \n- **Coeficientes da regressão** → mostram o impacto de cada variável sobre a variável dependente.  \n- **R² (Coeficiente de Determinação)** → mede a qualidade do ajuste do modelo.  \n- **Análise de resíduos** → avalia erros do modelo para detectar padrões ou problemas.  \n\n---\n\n## 📚 Bibliotecas Utilizadas\n- **Pandas** → leitura e manipulação de dados em formato tabular.  \n- **NumPy** → suporte a cálculos numéricos e vetoriais.  \n- **Scikit-learn** → implementação da regressão linear, divisão treino/teste, métricas de avaliação.  \n- **Matplotlib / Seaborn** → visualização dos dados, dispersões e linha de regressão.  \n\n---\n\n1. **Clone este repositório**:\n```bash\ngit clone https://github.com/JsnEvt/Regressao_Linear.git\ncd Regressao_Linear\n```\n\n2. Crie e ative um ambiente virtual (opcional, mas recomendado):\n```bash\npython -m venv venv\n```\nAtivar no Windows\n```bash\nvenv\\Scripts\\activate\n```\nAtivar no Linux/Mac\n```bash\nsource venv/bin/activate\n```\nInstale as dependências:\n```bash\npip install -r requirements.txt\n```\n\n3. Abra o projeto no VS Code e execute célula por célula\n\n📊 Resultados Esperados\n\nGeração de gráficos de dispersão com linha de regressão ajustada.\n\n👨‍🏫 Créditos\n\nProjeto baseado no curso Formação Cientista de Dados: O Curso Completo de Fernando Amaral - Udemy\n\n\n\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fjsnevt%2Fregressao_linear","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fjsnevt%2Fregressao_linear","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fjsnevt%2Fregressao_linear/lists"}