1
resposta

[Sugestão] Exercício

Insira aqui a descrição dessa imagem para ajudar na acessibilidadePrincipais Descobertas do Mapa de Calor:

  1. Correlações MUITO FORTES (≥0.8):
  • existe_segundo_andar ↔ area_segundo_andar (0.917) → Óbvio: se tem 2º andar, tem área!
  1. Correlações FORTES (0.6-0.8):
  • capacidade_carros_garagem ↔ preco_de_venda (0.640) → Garagem = $$$
  • area_primeiro_andar ↔ preco_de_venda (0.617) → Área = $$$
  1. Correlações MODERADAS (0.4-0.6):
  • quantidade_banheiros ↔ preco_de_venda (0.563) → Mais banheiros = mais caro
  • qualidade_da_cozinha_Excelente ↔ preco_de_venda (0.496) → Cozinha boa = mais caro
  1. Correlação NEGATIVA interessante:
  • area_primeiro_andar ↔ existe_segundo_andar (-0.377) → Casas com 1º andar grande tendem a ser térreas

*Insights de Negócio:

  • Para aumentar o preço: Foque em garagem > área do 1º andar > banheiros
  • Arquitetura típica: Casas grandes no térreo OU casas com 2º andar (raramente ambos)
  • Cozinha excelente: Vale o investimento (correlação moderada com preço)
1 resposta

E aí, Mauro! Tudo bem?

Parabéns! Mantenha o ritmo nos exercícios e continue compartilhando na nossa comunidade.

Percebi que você praticou o uso de mapas de calor com seaborn.heatmap(), aplicou muito bem o cálculo de correlação para identificar relações entre variáveis e ainda entendeu a relevância de usar insights estatísticos para orientar decisões de negócio.

Permaneça postando as suas soluções, com certeza isso ajudará outros estudantes e tem grande relevância para o fórum.

Ícone de sugestão 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!

AluraConte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!