California Housing ML: Predição de Preços de Imóveis

Visualização de dados e predição de preços de casas na Califórnia.

California Housing ML é um projeto de regressão que utiliza técnicas de Aprendizado de Máquina (Machine Learning) para prever o valor mediano das casas em distritos da Califórnia, com base em dados do censo de 1990.

O projeto explora e compara o desempenho de múltiplos modelos de regressão para identificar a melhor solução preditiva.


🎯 Objetivo e Modelo Principal

Esta seção demonstra a aplicação de Machine Learning na predição de preços imobiliários.

Objetivo

O objetivo principal é prever o valor mediano das casas (medianHouseValue) com a maior precisão possível, comparando diferentes algoritmos de regressão.

Modelo Vencedor

Após a comparação, o Random Forest Regressor foi selecionado como o modelo de melhor desempenho:

Métrica Valor
R² Médio 0.8068
RMSE Médio $50,726.74

💡 Tecnologias e Repositório

Aqui estão as ferramentas e bibliotecas utilizadas neste projeto de regressão e o link para o código completo.

⚙️ Tecnologias Principais

  • Linguagem: Python
  • Machine Learning: scikit-learn
  • Processamento de Dados: Pandas & NumPy
  • Visualização: Matplotlib & Seaborn

🌐 Repositório do Código

O código completo do projeto está disponível em:

👉 View Project on GitHub


⚙️ Funcionalidades e Pipeline

O projeto implementa um pipeline de Machine Learning robusto, desde a exploração de dados até a comparação final dos modelos.

Etapas do Pipeline

  • Pré-processamento e Exploração de Dados com Pandas e NumPy.
  • Visualização de Dados para insights geográficos e de correlação.
  • Treinamento de Múltiplos Modelos de regressão.
  • Avaliação de Desempenho via RMSE e R².
  • Seleção e Otimização do modelo mais preciso.

📊 Resultados Detalhados dos Modelos

A tabela abaixo mostra o desempenho comparativo dos modelos avaliados.

Modelo RMSE médio RMSE std R2 médio R2 std
Random Forest Regressor 50,726.74 632.69 0.806819 0.005218
Ridge 68,844.91 455.56 0.644220 0.005797
Linear Regression 68,847.69 460.81 0.644191 0.005831
Bayesian Ridge 68,850.85 453.96 0.644159 0.005754
Elastic Net 76,780.62 470.39 0.557521 0.002349
SVR 118,565.72 977.10 -0.055104 0.006184

📖 Variáveis do Dataset

O dataset utiliza dados do censo de 1990 com as seguintes variáveis (features) para a predição do valor alvo:

Variável Tradução Descrição
longitude Longitude Medida de quão a oeste está uma casa.
latitude Latitude Medida de quão ao norte está uma casa.
housingMedianAge Idade Mediana das Casas Idade mediana das casas em um quarteirão.
totalRooms Total de Cômodos Número total de cômodos em um quarteirão.
totalBedrooms Total de Quartos Número total de quartos em um quarteirão.
population População Número total de pessoas residentes em um quarteirão.
households Domicílios Número total de domicílios em um quarteirão.
medianIncome Renda Mediana Renda mediana dos domicílios.
medianHouseValue Valor Mediano das Casas Variável alvo (target) a ser prevista (em dólares).
oceanProximity Proximidade do Oceano Localização da casa em relação ao oceano/mar.
Compartilhar