Previsão de Valores de Imóveis em Boston

Introdução

Este projeto tem como objetivo desenvolver um modelo preditivo para estimar o valor mediano de residências na área de Boston, utilizando técnicas de Regressão Linear implementadas com TensorFlow. Os dados foram coletados pelo U.S. Census Service e estão disponíveis aqui.

Descrição do Dataset

• Número de Observações: 506
• Variáveis Preditivas: 13 atributos numéricos/categóricos
• Variável Alvo: Valor mediano das casas ocupadas (MEDV) Para mais detalhes sobre as variáveis, consulte a seção "Informações gerais do dataset" no repositório.

Metodologia

• Análise Exploratória de Dados (EDA): Exame inicial dos dados para entender distribuições e identificar possíveis outliers.
• Pré-processamento: Tratamento de dados faltantes e normalização dos atributos.
• Divisão dos Dados: Separação em conjuntos de treino (80%) e teste (20%).
• Desenvolvimento do Modelo: Implementação de uma Regressão Linear simples utilizando TensorFlow, considerando o número médio de quartos por habitação (RM) como variável independente e o valor mediano das casas (MEDV) como variável dependente.
• Avaliação do Modelo: Medição do desempenho do modelo no conjunto de teste e análise dos resultados.

Tecnologias Utilizadas

• Python
• TensorFlow
• Pandas - Manipulação de dados
• Matplotlib - Visualização de dados
• NumPy - Cálculos estatísticos

Resultados

Os resultados detalhados, incluindo gráficos e métricas de desempenho do modelo, estão disponíveis no notebook modelagem_preditiva_tensorflow.ipynb.