Módulo de Aplicação de Regressão Linear

1 Descrição do projeto

Este módulo contém uma classe chamada AplicandoRegressao, que é projetada para realizar análises de regressão linear em conjuntos de dados. A classe utiliza a biblioteca scikit-learn para implementar a regressão linear e o modelo Lasso, que é responsável por selecionar as variáveis explicativas que, em conjunto, conseguem melhor estimar o comportamento da variável de resposta.

É necessário que o dataframe esteja totalmente tratado para ser manipulado pelo módulo.

2 Ferramentas e técnicas utilizadas

• VS Code
• Python 3.10.9

3 Objetivos do autor

• Aplicar conceitos aprendidos na Pós Graduação da Conquer em Business Intelligence e Analytics;
• Explorar o uso de classes e métodos para organização e fluxo do código;
• Explorar o contato com Machinne Leraning, aplicando e exercitando conceitos.

Funcionalidades Principais:

1. Iniciação da Classe:

   • Método: __init__(self, df: DataFrame, y: str, tamanho_teste: float = 0.1, random_state: int = 42)

   • Descrição: Este método inicializa a classe AplicandoRegressao. Recebe um DataFrame (df) contendo os dados, o nome da coluna alvo (y), além de parâmetros opcionais para o tamanho do conjunto de teste (tamanho_teste) e a semente para a geração de números aleatórios (random_state).

   • Exemplo:

     from aplicando_regressao import AplicandoRegressao
     reg = AplicandoRegressao(df, y='price')

2. Seleção de Colunas Relevantes:

   • Método: _melhores_colunas(self) -> list

   • Descrição: Este método utiliza o modelo Lasso para identificar as colunas mais relevantes para a regressão linear. As colunas são selecionadas com base nos coeficientes não nulos do modelo Lasso.

   • Exemplo:

     melhores_colunas = reg._melhores_colunas()

3. Treino e Teste do Modelo:

   • Método: _treino_teste(self) -> tuple

   • Descrição: Este método divide o conjunto de dados em conjuntos de treino e teste, ajusta um modelo de regressão linear aos dados de treino e retorna os rótulos reais (y_test) e as previsões (y_pred).

   • Exemplo:

     y_test, y_pred = reg._treino_teste()

4. Resultados da Regressão:

   • Método: resultados_regressao(self) -> dict

   • Descrição: Este método calcula diversas métricas de regressão, incluindo Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Mean Squared Error (MSE) e R-squared. Retorna um dicionário contendo esses resultados.

   • Exemplo:

     resultados = reg.resultados_regressao()

5. Exemplo de Uso Completo:

   • Descrição: Exemplo de uso completo da classe, carregando dados de um arquivo CSV, removendo colunas desnecessárias e aplicando a análise de regressão.

   • Exemplo:

     from pandas import read_csv
     
     arquivo = r'C:\caminho\para\seu\arquivo.csv'
     df = read_csv(arquivo, sep=';', decimal=',')
     
     # Remova colunas desnecessárias
     df = df.drop(['coluna1', 'coluna2'], axis=1)
     
     # Crie uma instância da classe e execute a análise de regressão
     reg = AplicandoRegressao(df, y='coluna_alvo')
     resultados = reg.resultados_regressao()
     
     print(resultados)

Dicas de Utilização:

1. Escolha do Conjunto de Teste:

   • É importante ajustar o parâmetro tamanho_teste na inicialização da classe de acordo com o tamanho desejado do conjunto de teste. Isso afeta a divisão entre os conjuntos de treino e teste.

2. Interpretação dos Resultados:

   • Após executar resultados_regressao(), examine as métricas retornadas para avaliar o desempenho do modelo. Valores mais baixos para MAE, MAPE e MSE indicam um bom resultado do modelo.

3. Adaptação para Seu Conjunto de Dados:

   • Antes de aplicar a classe ao seu conjunto de dados, revise as colunas removidas e ajuste os parâmetros conforme necessário para atender às características específicas do seu conjunto de dados.

Considerações Finais:

Este módulo fornece uma estrutura reutilizável para análise de regressão linear em conjuntos de dados. A documentação visa ajudar tanto iniciantes quanto usuários experientes a entender e aplicar a classe de maneira eficaz.