Prática: Prever o valor da diaria pela quantidade de pessoas.
Regressão Linear é um aprendizado supervisionado que é utilizado para realizar previsão de valores baseado em outro valor de variável.
LinearRegression - versão com comentários sobre as bibliotecas e métodos usados. Aconselhado para estudantes.
LenearRegressionGit - versão só com a aplicação.
Parametros:
Atributos:
intercept_: : Termo independente no modelo linear.
coef_:: Coeficientes estimados para o problema de regressão linear.
Metodos:
.fit(): ajusta o modelo linear
.predict(X): preveja usando o modelo linear.
.score: Retorna o coeficiente de determinação da previsão.
- Importação das bibliotecas Pandas, Numpy, Plotly Express e Seaborn.
- Informar a base de dados.
- Conhecendo a base de dados.
- Criar variáveis do modelo.
- Cálculo da Correlação de Pearson.
- Tratamento dos dados para o modelo.
- Importação da biblioteca LinearRegression.
- Visualização dos gráficos.
- Gráfico de agrupamento
- Cálculo de erros do modelo
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html
https://psicometriaonline.com.br/o-que-e-correlacao-de-pearson/
https://medium.com/@douglasheberteempty/ml-m%C3%A9tricas-de-regress%C3%A3o-20c1ed73c7e7
Agradecimento ao Prof Leandro Lessa pelo aprendizado. Repositório original: https://github.com/ProfLeandroLessa/FDA-material-video-aulas
Aulas ofertadas pela IGTI (atual XP Educação) em parceria com o Banco Pan
Alterações e acrescimos: Lidiane Aureliano https://github.com/laurelianox