https://github.com/douglas-data-analyst/predictive-analysis
Modelo preditivo para previsão de vendas usando scikit-learn e machine learning
https://github.com/douglas-data-analyst/predictive-analysis
data-science machine-learning predictive-analytics python sales-forecasting scikit-learn time-series
Last synced: about 2 months ago
JSON representation
Modelo preditivo para previsão de vendas usando scikit-learn e machine learning
- Host: GitHub
- URL: https://github.com/douglas-data-analyst/predictive-analysis
- Owner: douglas-data-analyst
- Created: 2025-06-12T19:26:20.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-06-13T18:12:11.000Z (about 1 year ago)
- Last Synced: 2025-06-22T10:02:56.073Z (about 1 year ago)
- Topics: data-science, machine-learning, predictive-analytics, python, sales-forecasting, scikit-learn, time-series
- Language: Jupyter Notebook
- Homepage:
- Size: 1.46 MB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Análise Preditiva com Scikit-Learn
## Sobre o Projeto
Este projeto implementa um modelo de análise preditiva para prever vendas futuras e identificar fatores que influenciam o desempenho de produtos em um e-commerce, utilizando técnicas de machine learning com scikit-learn.
## Principais Recursos
- Preparação e engenharia de features para machine learning
- Implementação de múltiplos algoritmos preditivos
- Avaliação e comparação de desempenho de modelos
- Interpretação de resultados e insights de negócio
- Modelo de previsão de vendas pronto para uso
## Estrutura do Projeto
- `notebooks/`: Jupyter notebooks com análise preditiva detalhada
- `data/`: Dados brutos, processados e modelos salvos
- `src/`: Scripts Python para modelagem e avaliação
- `reports/`: Relatórios e visualizações dos resultados
## Como Executar
1. Clone este repositório
2. Instale as dependências: `pip install -r requirements.txt`
3. Execute os notebooks na ordem numérica
## Tecnologias Utilizadas
- Python 3.9
- pandas 1.5.3
- numpy 1.24.3
- scikit-learn 1.2.2
- matplotlib 3.7.1
- seaborn 0.12.2
## Dados
Os dados utilizados são do [Brazilian E-Commerce Public Dataset by Olist](https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce), disponibilizados no Kaggle.
## Autor
Douglas Rodrigues - [LinkedIn](https://linkedin.com/in/douglasrodriguessilva)