)
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Solucionado
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.
Para saber mais:
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!
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!