https://github.com/msamuelsons/preco-jogadores-predicao
Faz a predição de venda de jogadores de futebol
https://github.com/msamuelsons/preco-jogadores-predicao
Last synced: 3 months ago
JSON representation
Faz a predição de venda de jogadores de futebol
- Host: GitHub
- URL: https://github.com/msamuelsons/preco-jogadores-predicao
- Owner: Msamuelsons
- Created: 2023-12-16T02:37:33.000Z (over 1 year ago)
- Default Branch: main
- Last Pushed: 2023-12-16T02:43:53.000Z (over 1 year ago)
- Last Synced: 2025-01-22T01:16:16.136Z (5 months ago)
- Language: Jupyter Notebook
- Size: 906 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Projeto de Predição de Preços de Jogadores
## Descrição
Este projeto utiliza um modelo de regressão (Random Forest Regressor) para prever os preços de jogadores de futebol com base em várias características. O conjunto de dados é pré-processado e visualizado para insights.
## Instruções de Uso
1. **Requisitos:**
- Python
- Bibliotecas: pandas, matplotlib, scikit-learn
2. **Configuração:**
- Clone o repositório: `git clone https://github.com/seu-usuario/seu-projeto.git`
- Instale as dependências: `pip install -r requirements.txt`
3. **Execução:**
- Abra o notebook `predicao_preco_jogadores.ipynb` em um ambiente Jupyter ou Google Colab.
- Execute as células do notebook em ordem.
4. **Visualizações:**
- Gráficos de dispersão, curva de aprendizado e outros estão disponíveis para avaliar o desempenho do modelo.
## Estrutura do Código
- `predicao_preco_jogadores.ipynb`: Notebook Jupyter contendo o código principal.
- `final_data.csv`: Conjunto de dados utilizado.
## Resultados
- O modelo foi treinado usando Random Forest Regressor e avaliado usando a curva de aprendizado.
- Visualizações incluem gráficos de dispersão para comparar previsões e dados reais.
## Contribuições
Contribuições são bem-vindas! Sinta-se à vontade para abrir issues, propor melhorias ou correções.
