Predição de Gasto do Cliente com Machine Learning

Este projeto utiliza modelos de aprendizado de máquina, como Random Forest e Árvore de Decisão, para realizar predições de gasto de clientes com base em dados fornecidos em um arquivo CSV. A aplicação foi construída utilizando Streamlit para criar uma interface interativa, permitindo o upload de arquivos CSV e a seleção de features e colunas alvo para o treinamento do modelo.

Funcionalidades

• Upload de arquivos CSV com dados de clientes.
• Seleção de colunas para features e coluna alvo (gasto do cliente).
• Treinamento de modelos de Random Forest e Árvore de Decisão.
• Visualização dos resultados das previsões com gráficos interativos.
• Suporte para gráficos ordenados por data, caso os dados contenham uma coluna de data.

Requisitos

• Python 3.7+
• Bibliotecas Python listadas no requirements.txt.

Como rodar o projeto

Siga os passos abaixo para configurar e rodar o projeto localmente:

1. Clonar o repositório

Clone este repositório em sua máquina local:

git clone https://github.com/HeitorCand/aula_streamlit

2. Navegar até o diretório do projeto

cd aula_streamlit

3. Instalar as dependências

3.1 Ambiente virtual (opcional, mas recomendado) Crie e ative um ambiente virtual utilizando venv:

windows:

python -m venv venv
source venv/bin/activate

macOS/Linux:

python3 -m venv venv
source venv/bin/activate

3.2 Instale as dependências listadas no arquivo requirements.txt:

pip install -r requirements.txt

4. Rodar a aplicação

Execute o comando abaixo para rodar a aplicação:

streamlit run main.py