guilherme-iram/Projeto_HousePrice_SP

Aplicação de métodos de regressão para prever o valor de apartamentos de São Paulo em um dataset adaptado utilizando os modelos de regressão linear, arvores de decisão e random forest para regresão.

Projeto Preço de Imovéis de São Paulo

Autor: Guilherme Iram

O projeto tem por objetivo, baseado nas características quantitativas do dataset, fazer uma análise visual desses atributos e propor um modelo de regressão. O resultado esperado é um modelo o qual faz previsões dos preços das casas baseadando-se nas características desejadas pelo cliente.

Sumário do projeto

1 - Carregando as bibliotecas

matplotlib==3.6.0
numpy==1.23.3
pandas==1.5.0
scikit-learn==1.1.2
seaborn==0.12.0
statistics==1.0.3.5

2 - Carregando o dataset, tratamento & análises prévias

Etapa dedicada a diagnósticar os dados faltantes e/ou sujos 
e também seleção de features mais relevantes para aplicar 
Machine Learning. 

3 - Limpeza dos dados

Cada um dos dados foi gravado como sendo string ou 'object',
portanto, cada uma das features selecionadas precisa de um 
tratamento para um formato numérico adequado.

3.1 - Tratando a coluna 'preco'

3.2 - Tratando a coluna 'area_metro_quadrado'

3.3 - Tratando a coluna 'quartos'

3.4 - Tratando a coluna 'banheiros'

3.5 - Tratando a coluna 'vagas'

3.6 - Cotemplando as mudanças & salvando novo xlsx

4 - Visualização dos dados selecionados

Nessa etapa, os dados serão plotados para se extrair informações
valiosas a respeito de seus comportamentos e variações.
Essa etapa também será fundamental para identificar elementos
e medidas necessárias para que a aplicação de Machine Learning
tenha resultados satisfatórios.

4.1 - Histograma do valor dos imóveis

4.2 - Boxplots das features dos imóveis

4.3 - Gráfico de dispersão da área (m²) e o custo dos imóveis (R$)

5 - Produzindo o modelo de Regressão

Após tratar, vizualizar e selecionar os dados, chegou o momento
de usá-los para criar um bom modelo de Machine Learning. Nesse 
sentido, vários modelos foram testados usando diferentes métricas 
e técnicas para avaliar o desempenho de cada estratégia de regressão
(no presente trabalho foram usadas regressão linear, polinomial,
árvore de decisão e floresta aleatória) tais como validação cruzada
e métricas como R², MSE e MSA.

5.1 - Analisando a matriz de correlação

5.2 - Analisando o histograma da variável de controle

5.3 - Separação entre dados de treino e dados de teste

5.4 - Criando os modelos de Regressão

a) Dummy Regressor

b) Regressão Linear/ Polinomial

c) Decision Tree Regressor: Árvore de Decisao

d) Random Forest Regressor: Floresta Aleatória