Regressão Linear: testando relações e prevendo resultados

Conteúdo Detalhado

1. Análises preliminares

   • Projeto inicial do treinamento
   • Conhecendo o dataset
   • Criando um DataFrame pandas
   • Fontes de dados
   • Análises preliminares
   • Correlação entre as variáveis

2. Comportamento da variável dependente

   • Projeto da aula anterior
   • Comportamento da variável dependente
   • Utilizando o matplotlib
   • Box plot
   • Por que utilizar um box plot?
   • Box plot com duas variáveis
   • Comparando distribuições
   • Distribuição de frequências
   • Avaliando a distribuição da variável dependente

3. Variável dependente vs Variáveis explicativas

   • Projeto da aula anterior
   • Pairplot
   • Relação entre as variáveis do modelo
   • Jointplot
   • Ferramentas gráficas
   • Lmplot
   • Mais sobre a dispersão dos dados

4. Datasets de treino e teste

   • Projeto da aula anterior
   • Datasets de treino e teste
   • Machine Learning
   • Conjuntos de treino e teste
   • Estimando um modelo de regressão linear
   • Estimando um modelo de regressão linear
   • Obtendo previsões pontuais
   • Obtendo previsões com o modelo estimado
   • Interpretação dos coeficientes estimados
   • Significado dos parâmetros
   • Análises gráficas das previsões
   • Obtendo os resíduos do modelo
   • Gráficos de análise

5. Comparando modelos

   • Projeto da aula anterior
   • Comparando modelos
   • Comparação entre modelos
   • Outras métricas de regressão
   • Métricas de comparação

6. Salvando e carregando o modelo

   • Projeto da aula anterior
   • Salvando e carregando o modelo
   • Armazenando o nosso modelo em um arquivo
   • Regressão Linear - Novo Projeto - Exercício
   • Revisando o conteúdo
   • Regressão Linear - Novo Projeto - Solução
   • Revisando o conhecimento um pouco mais
   • Simulador interativo
   • Criando formulários interativos no Jupyter
   • Consolidando o seu conhecimento
   • Projeto do curso