Projeto_house_sale

Projeto de regressão linear utilizando o dataset 'House Sales in King County, USA'

Contextualização

O dataset utilizado contêm informações relativas ao preço das casas vendidas entre maio 2014 e maio de 2015 em King County. Este dataset foi obtido no Kaggle.

A ideia do projeto é estimar uma modelo de regressão linear que seja capaz de estimar o preço do imóvel dado um conjunto de características, entanto, para que isso seja possível antes será necessária realizar algumas fases para alcançar o objetivo.

A primeira parte é a de análise exploratória dos dados, onde foi observado os dados presentes no dataset, além do comportamento e distribuição de frequência da variável dependente (Price).

Depois disso, os dados foram transformados como forma de tratar a assimetria encontrada, visto que para atingir o objetivo precisamos que os dados se comportem como uma distribuição normal. Além disso, foram observadas algumas estatísticas estimadas pelo modelo de minimos quadrados ordinários(OLS), com a finalidade identificar os valores de R² e R² ajustado, o teste F e os testes T.

Por fim utilizaremos o Scikit Learn para criar um modelo de regressão linear (LinearRegression) que nos permita prever o valor do imóvel com base nas características selecionadas.

O desenvolvimento do projeto pode ser visto no Notebook Modelo_regressaolinear

Fonte

Kaggle: https://www.kaggle.com/datasets/harlfoxem/housesalesprediction?resource=download

Dicionário dos dados

• id - Id da casa à venda;
• date - Data de venda da casa;
• price - Preço que a casa foi vendida (USD);
• bedrooms - Número de quartos;
• bathrooms - Número de banhaeiros(Foi considerado como 0.5 um quarto que possui banheiro sem chuveiro);
• sqft_living - Espaço interior do imóvel (Em pés quadrados);
• sqft_lot - Tamanho de todo o terreno (Em pés quadrados);
• floors - Qtd de andares;
• waterfront - Variável binária que indica se o imóvel é ou não na orla da praia;
• view - Corresponde a um índice que varia de 0 a 4 e tenta traduzir quão boa é a vista do imóvel;
• condition - Corresponde a um índice que vai de 1 a 5 e é referente a condição do imóvel;
• grade - Um índice que vai de 1 a 13 e diz respeito ao nível de construção e design do imóvel;
• sqft_above - Indica o espaço interno do imóvel que se encontra acima do nível do solo (Em pés quadrados);
• sqft_basement - Indica o espaço interno do imóvel que se encontra abaixo do nível do solo (Em pés quadrados);
• yr_built - Ano de construção da casa;
• yr_renovated - Ano da última reforma realizada no imóvel;
• zipcode - CEP do imóvel;
• lat - Latitude;
• long - Longitude;
• sqft_living15 - O espaço interior dos imóveis dos 15 vizinhos mais próximos (Em pés quadrados)
• sqft_lot15 - O tamanho médio dos terrenos dos 15 vizinhos mais próximos (Em pés quadrados)