README.md

metadata

title: Ames Housing Analysis
emoji: 🏠
colorFrom: blue
colorTo: green
sdk: gradio
sdk_version: 3.50.0
app_file: app.py
pinned: false
license: mit

🏠 Análise de Dados Imobiliários - Ames Housing

📊 Sobre o Projeto

Aplicação web interativa para análise estatística completa do dataset Ames Housing com seleção dinâmica de variáveis. Utilize técnicas de machine learning para prever preços de propriedades em Ames, Iowa.

✨ Novas Funcionalidades:

• ✅ Seleção dinâmica de quais variáveis usar na análise
• ✅ Modelagem adaptativa baseada nas variáveis selecionadas
• ✅ Gráficos atualizados em tempo real
• ✅ Predição personalizada conforme seleção

🚀 Como Usar

1. Seleção de Variáveis

• ✅ Marque/desmarque as variáveis que deseja incluir na análise
• ⭐ Recomendado: Comece com 3-5 variáveis para análise mais rápida

2. Executar Análise

• 🔍 Clique em "Executar Análise Completa"
• 📊 Todos os gráficos serão atualizados com as variáveis selecionadas

3. Simular Predição

• 🎲 Ajuste os valores das variáveis selecionadas
• 💰 Clique em "Calcular Preço Predito" para ver a estimativa

📈 Funcionalidades

🔍 Análise Exploratória Dinâmica

• Distribuição do Preço: Atualizada com os dados filtrados
• Matriz de Correlação: Mostra apenas variáveis selecionadas
• Relações Bivariadas: Scatter plots das variáveis escolhidas

🤖 Modelos Adaptativos

• Regressão Linear: Treinado apenas com variáveis selecionadas
• Random Forest: Feature importance das variáveis escolhidas

🎯 Variáveis Disponíveis

• Gr Liv Area (Área habitável)
• Overall Qual (Qualidade geral)
• Year Built (Ano construção)
• Total Bsmt SF (Área porão)
• Garage Cars (Garagem)
• Full Bath (Banheiros)
• TotRms AbvGrd (Cômodos)
• Fireplaces (Lareiras)
• Overall Cond (Condição)
• E mais 11 variáveis...

📋 Dataset

Ames Housing Dataset

• 🏠 2930 propriedades residenciais
• 📊 82 variáveis preditoras
• 📅 Período: 2006-2010
• 📍 Localização: Ames, Iowa, EUA

Fonte: Journal of Statistics Education

🛠️ Tecnologias

• Gradio: Interface web interativa
• Scikit-learn: Machine learning
• Pandas & NumPy: Manipulação de dados
• Matplotlib & Seaborn: Visualizações
• SciPy: Estatísticas

👨‍💻 Desenvolvimento

Desenvolvido como parte do Programa de Pós-graduação em Computação Aplicada - PPCA/UnB

---

Esta aplicação é para fins educacionais e de pesquisa.