Este projeto aplica técnicas de Análise Exploratória de Dados (EDA) e Machine Learning para estimar o valor que um cliente está disposto a pagar na compra de um veículo, com base em características demográficas e financeiras.
O conjunto de dados foi disponibilizado publicamente no Kaggle.
O caso proposto e o problema a ser solucionado: "Você está trabalhando como cientista de dados em uma empresa automobilística. Você gostaria de desenvolver um modelo para prever o valor total que os clientes estão dispostos a pagar pelo carro novo. Essas informações serão utilizadas pela empresa para fazer o marketing direcionado com base no perfil do cliente."
Sobre o conjunto de dados: "Este arquivo contém as informações das várias pessoas com os seguintes detalhes que podem nos ajudar a descobrir a melhor previsão e também nos ajudar a treinar nosso modelo para prever o valor correto e obter um bom F1 Score."
Observação técnica: Embora o enunciado mencione a métrica F1 Score, o problema é de regressão, não de classificação. Portanto, métricas como MAE (Mean Absolute Error) são mais adequadas para avaliar o desempenho do modelo.
- Identificar os fatores que mais influenciam o valor de compra de veículos, analisando correlações entre variáveis demográficas e financeiras dos clientes.
- Desenvolver um modelo preditivo capaz de estimar o valor que um novo cliente estaria disposto a pagar na aquisição de um veículo.
- Elaborar uma apresentação do projeto, abordando o case do problema, a explicação do desenvolvimento da solução e os ganhos gerados para o negócio.
- Python
- Biblioteca Pandas
- Biblioteca Numpy
- Biblioteca Matplotlib
- Biblioteca Seaborn
- Biblioteca Warnings
- Biblioteca GC
- Biblioteca Time
- Biblioteca Optuna
- Biblioteca JobLib
- Biblioteca OS
- Biblioteca Random
- Biblioteca SciKit-learn
Licença MIT (MIT). Por favor leia o arquivo da licença para mais informações.