[Mão na massa]: análise e seleção de modelos de regressão linear

import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import plotly.express as px from sklearn.model_selection import train_test_split url = r'\ALURA\05_Data_Science\raw\hoteis.csv' df = pd.read_csv(url) df.head() sns.pairplot(data=df, y_vars='Preco', x_vars=['Estrelas', 'ProximidadeTurismo', 'Capacidade'], kind='scatter', diag_kind='hist'); X = df.drop(columns=['Preco']) y = df['Preco'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.35, random_state=10) import statsmodels.api as sm modelo_1 = sm.OLS(y_train, sm.add_constant(X_train)).fit() modelo_2 = sm.OLS(y_train, sm.add_constant(X_train[['Estrelas']])).fit() modelo_3 = sm.OLS(y_train, sm.add_constant(X_train[['Estrelas', 'Capacidade']])).fit() modelo_4 = sm.OLS(y_train, sm.add_constant(X_train[['Estrelas', 'ProximidadeTurismo']])).fit() print("Modelo 1:", modelo_1.summary()) print("Modelo 2:", modelo_2.summary()) print("Modelo 3:", modelo_3.summary()) print("Modelo 4:", modelo_4.summary())

Olá, Luan! Como vai?

Parabéns pela resolução da atividade!

Observei que você explorou o uso de gráficos do Seaborn para visualizar relações, utilizou muito bem o train_test_split para separar os dados e ainda compreendeu a importância do statsmodels para ajustar diferentes modelos de regressão.

Uma dica interessante para o futuro é avaliar a performance dos modelos com métricas como R² ou RMSE. Assim:

from sklearn.metrics import r2_score, mean_squared_error
import numpy as np

y_pred = modelo_1.predict(sm.add_constant(X_test))
print("R²:", r2_score(y_test, y_pred))
print("RMSE:", np.sqrt(mean_squared_error(y_test, y_pred)))

Isso faz uma análise quantitativa da qualidade das previsões.

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!

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Tópicos relacionados

Conteúdos Alura com o tema