Projeto 05 - Previsor de Preços de Imóveis 🏠

Neste projeto, você vai aplicar a Regressão Linear para resolver um problema clássico do mercado imobiliário.

🎯 Objetivo

Criar um modelo simples que preveja o preço de uma casa baseado apenas na sua área em metros quadrados.

🛠️ Ferramentas

• Google Colab.
• Scikit-Learn (from sklearn.linear_model import LinearRegression).

📝 Passo a Passo

1. Dados de Exemplo: Use o seguinte Dataset no seu código:

   X = [[50], [60], [70], [80], [100], [120]] # Metros quadrados
   y = [150000, 180000, 210000, 240000, 300000, 360000] # Preço em Reais
   

2. Treinamento:

   • Instancie o modelo de Regressão Linear.
   • Use o método .fit(X, y) para treinar.

3. Previsão:

   • Qual o preço previsto para uma casa de 90 metros quadrados?
   • Use o método .predict([[90]]).

4. Visualização:

   • Use Matplotlib para plotar os pontos (scatter) e a linha de regressão (plot).

✅ Critérios de Entrega

• Print do gráfico com a linha vermelha passando pelos pontos azuis.
• O valor exato da previsão para os 90m².

Dica

Observe se a linha cruza exatamente onde os pontos estão. Se sim, seu modelo aprendeu o padrão perfeitamente!