

Olá, Viviane! Como vai?
Muito bem! Continue resolvendo os desafios e compartilhando com a comunidade Alura.
Observei que você explorou o uso do ajuste linear para comparar padrões de comportamento, utilizou muito bem o Seaborn e Matplotlib para visualizar os dados de forma clara e ainda compreendeu a importância do modelo de regressão para identificar relações entre variáveis.
Uma dica interessante para o futuro é usar o método polyfit
da biblioteca NumPy para calcular a reta de regressão. Dessa forma:
import numpy as np
# Exemplo de dados
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 5, 4, 5])
# Ajuste linear (reta)
coeficientes = np.polyfit(x, y, deg=1)
print(coeficientes)
Resultado:
[0.6 2.2]
Isso faz com que você obtenha os coeficientes da reta y = 0.6x + 2.2
, o que é útil para entender como os dados se ajustam linearmente. Além de ser uma boa prática para consolidar a lógica por trás da regressão.
Sugestão de conteúdo para você mergulhar ainda mais sobre o tema:
Alguns materiais estão em inglês, mas é possível compreendê-los usando o recurso de tradução de páginas do próprio navegador.
Fico à disposição! E se precisar, conte sempre com o apoio do fórum.
Abraço e bons estudos!