https://github.com/jsnevt/regressao_linear
Regressão linear simples - Qual a velocidade se levou x distância para parar ?
https://github.com/jsnevt/regressao_linear
linear-regression matplotlib numpy pandas python
Last synced: 2 months ago
JSON representation
Regressão linear simples - Qual a velocidade se levou x distância para parar ?
- Host: GitHub
- URL: https://github.com/jsnevt/regressao_linear
- Owner: JsnEvt
- Created: 2023-02-24T12:55:10.000Z (over 3 years ago)
- Default Branch: main
- Last Pushed: 2025-09-04T13:20:04.000Z (10 months ago)
- Last Synced: 2025-09-04T15:22:30.959Z (10 months ago)
- Topics: linear-regression, matplotlib, numpy, pandas, python
- Language: Jupyter Notebook
- Homepage:
- Size: 457 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 🚗 Regressão Linear com Dados de Carros
Projeto desenvolvido durante o curso **Formação Cientista de Dados: O Curso Completo**, ministrado por **Fernando Amaral (Udemy)**.
O objetivo é aplicar **Regressão Linear** para compreender e prever relações entre variáveis de automóveis (como preço, consumo, potência, quilometragem, entre outros).
---
## 📌 Proposta do Projeto
- Demonstrar o uso de **regressão linear simples e múltipla** em dados de carros.
- Analisar como variáveis independentes (ex.: motor, peso, ano, quilometragem) influenciam uma variável dependente (ex.: preço).
- Avaliar estatisticamente o modelo para medir sua qualidade preditiva.
- Visualizar graficamente a reta de regressão e os resíduos para validar os resultados.
---
## 🧠 Conceitos de Regressão Linear Abordados
- **Regressão Linear Simples** → quando há apenas uma variável explicativa.
- **Regressão Linear Múltipla** → quando múltiplas variáveis são usadas para prever o alvo.
- **Coeficientes da regressão** → mostram o impacto de cada variável sobre a variável dependente.
- **R² (Coeficiente de Determinação)** → mede a qualidade do ajuste do modelo.
- **Análise de resíduos** → avalia erros do modelo para detectar padrões ou problemas.
---
## 📚 Bibliotecas Utilizadas
- **Pandas** → leitura e manipulação de dados em formato tabular.
- **NumPy** → suporte a cálculos numéricos e vetoriais.
- **Scikit-learn** → implementação da regressão linear, divisão treino/teste, métricas de avaliação.
- **Matplotlib / Seaborn** → visualização dos dados, dispersões e linha de regressão.
---
1. **Clone este repositório**:
```bash
git clone https://github.com/JsnEvt/Regressao_Linear.git
cd Regressao_Linear
```
2. Crie e ative um ambiente virtual (opcional, mas recomendado):
```bash
python -m venv venv
```
Ativar no Windows
```bash
venv\Scripts\activate
```
Ativar no Linux/Mac
```bash
source venv/bin/activate
```
Instale as dependências:
```bash
pip install -r requirements.txt
```
3. Abra o projeto no VS Code e execute célula por célula
📊 Resultados Esperados
Geração de gráficos de dispersão com linha de regressão ajustada.
👨🏫 Créditos
Projeto baseado no curso Formação Cientista de Dados: O Curso Completo de Fernando Amaral - Udemy