README.md

metadata

title: Testesiep
emoji: 🚀
colorFrom: red
colorTo: red
sdk: streamlit
app_port: 8501
tags:
  - streamlit
pinned: false
short_description: Streamlit template space
license: mit
sdk_version: 1.51.0

🏨 Dashboard de Cancelamento de Reservas

Dashboard interativo para análise e predição de cancelamentos de reservas hoteleiras usando Machine Learning.

🚀 Funcionalidades

• Algoritmos de ML: Regressão Logística, KNN e SVM
• Ajuste Interativo: Parâmetros customizáveis para cada algoritmo
• Visualizações: Curvas ROC, matriz de confusão, métricas comparativas
• Análise Automática: Interpretação dos resultados e ranking de modelos
• Dados Realísticos: Dataset de demonstração baseado em padrões reais

🛠️ Como Usar

1. Selecione o Algoritmo: Escolha entre Regressão Logística, KNN ou SVM
2. Ajuste Parâmetros: Use os sliders e selects para configurar o modelo
3. Treine o Modelo: Clique em "Treinar Modelo" para executar
4. Analise Resultados: Veja métricas, gráficos e recomendações

📊 Algoritmos Suportados

Regressão Logística

• Parâmetros: C, tipo de penalidade, algoritmo
• Ideal para: Interpretabilidade e probabilidades

K-Nearest Neighbors (KNN)

• Parâmetros: k, métrica de distância, pesos
• Ideal para: Datasets pequenos/médios

Support Vector Machine (SVM)

• Parâmetros: C, kernel, gamma
• Ideal para: Problemas complexos e não-lineares

🎯 Métricas Monitoradas

• Acurácia: Proporção de previsões corretas
• Precisão: Proporção de cancelamentos previstos que realmente ocorreram
• Recall: Proporção de cancelamentos reais identificados
• F1-Score: Balanceamento entre precisão e recall
• AUC-ROC: Capacidade de discriminação do modelo

🏆 Ranking de Modelos

O dashboard automaticamente ranqueia todos os modelos treinados baseado no F1-Score, permitindo comparação direta do desempenho.

🌐 Deploy

Este dashboard está configurado para deploy no Hugging Face Spaces:

1. Crie um novo Space
2. Escolha "Streamlit" como SDK
3. Faça upload dos arquivos:
   • app.py
   • requirements.txt
   • create_demo_data.py (opcional)
4. O deploy é automático!

📁 Estrutura de Arquivos