lucelialima/lh_cd_lucelia

Desafio Cientista de Dados - Indicium

Desafio Cientista de Dados

Você foi alocado(a) em um time da Indicium que está trabalhando atualmente junto a um cliente no processo de criação de uma plataforma de aluguéis temporários na cidade de Nova York. Para o desenvolvimento de sua estratégia de precificação, pediu para que a Indicium fizesse uma análise exploratória dos dados de seu maior concorrente, assim como um teste de validação de um modelo preditivo.

New York City

A cidade de Nova York é mais populosa do que qualquer cidade brasileira. Com uma população de mais de 8 milhões de habitantes, Nova York é uma das cidades mais densamente povoadas dos Estados Unidos e é um centro cultural, econômico e político importante não só para o país, mas também para o mundo.

A cidade abrange cinco regiões chamadas boroughs são estes: Bronx, Brooklyn, Manhattan, Queens e Staten Island.

• 1 - Manhattan é o grande centro, é o coração de Nova York, é conhecida por seus arranha-céus icônicos, como o Empire State Building e o One World Trade Center. É o centro financeiro, comercial e cultural da cidade, abrigando instituições como Wall Street, a Broadway e a Times Square.
• 2 - Brookly localizado ao sudoeste de Manhattan, é o borough mais populoso de Nova York e é conhecido por sua diversidade étnica e cultural e maiores instalações portuárias da cidade.
• 3 - Queens é uma mistura de áreas residenciais, comerciais e industriais bem deversificada, com grandes aeroportos e estádios de tênis e baisebol.
• 4 - Bronx localizado ao norte de Manhattan, é o local mais pobre e violento da cidade e do país.
• 5 - Staten Island situado ao sul de Manhattan, é conhecido por seu ambiente mais suburbano em comparação com os outros boroughs. Possui grandes áreas verdes e praias.

fonte: https://pt.wikipedia.org/wiki/Boroughs_de_Nova_Iorque

Objetivo:

• Desenvolver um modelo de previsão de preços a partir do dataset oferecido;
• Avaliar tal modelo utilizando as métricas de avaliação que mais fazem sentido para o problema.

Dicionário de variáveis:

• id - Atua como uma chave exclusiva para cada anúncio nos dados do aplicativo
• name - O nome do anúncio (propriedade)
• host_id - O id do usuário que hospedou o anúncio
• host_name - Nome do usuário que hospedou o anúncio
• bairro_group - Nome do bairro onde o anúncio está localizado
• bairro - Nome da área onde o anúncio está localizado.
• latitude - Latitude do local
• longitude - Longitude do local
• room_type - Tipo de espaço de cada anúncio (tipo de quarto)
• price - Preço por noite em dólares listado pelo anfitrião
• minimo_noites - Número mínimo de noites que o usuário deve reservar
• numero_de_reviews - Número de comentários(avaliações) dados a cada listagem
• ultima_review - Data da última revisão dada à listagem
• reviews_por_mes - Número de avaliações fornecidas por mês
• calculado_host_listings_count - Quantidade de imóveis por anfitrião.
• disponibilidade_365 - Número de dias em que o anúncio está disponível para reserva em 365 dias

a) Como instalar e executar o Projeto:

• Instalação:

O projetom foi realizado no Jupyter notebook, caso não tem o Jupyter Notebook instalado, pode instalá-lo usando o pip (gerenciador de pacotes do Python) com o seguinte comando no terminal ou prompt de comando: pip install notebook.

Os resultados do Projeto foi salvo no formato pkl (packle) ao executar no Jupy necessário instalar com comando pip install pickle e importar a blioteca com import pickle.

• Execução:

No terminal ou prompt de comando, execute o seguinte comando para iniciar o servidor do Jupyter Notebook: jupyter notebook. Após iniciar o servidor do Jupyter Notebook, o navegador padrão será aberto automaticamente exibindo o painel do Jupyter Notebook. Navegue até o diretório onde o projeto está localizado e clique no arquivo do notebook (.ipynb) para abri-lo.

Para carregar o arquivo pickle use o seguinte comando:

with open("result_models.pkl", "rb") as f: resultados = pickle.load(f)

O arquivo.pkl se encontra na pasta pkl_file

b) Pacotes e Versões

Foi utilizado as seguintes bibliotecas para a análise:

• pandas - version: 2.2.0
• matplotlib - version: 3.7.2
• seaborn - version: 0.12.2
• scikit-learn - version: 1.3.0
• wordcloud - version: 1.9.3
• xgboost - version: 2.0.3
• lightgbm- version: 4.3.0
• catboost - version: 1.2.2
• Python - version: 3.11.5

Relatório:

O relatório das análises estatísticas e EDA desse projeto se encontra na pasta report.

Código:

O código de modelagem no Jupyter Notebook desse projeto se encontra na pasta code.