Projeto II: Regressão - Previsão de Preços de Serviços

Projeto Integrador: Consultoria de Precificação Inteligente Objetivo do ML: Prever o preço final de um serviço com base em horas trabalhadas e custos. Natureza do Problema: Regressão (Previsão de valores contínuos).

1. Exploração e Geração dos Dados

1.1 Cenário e Justificativa

No contexto do Projeto Integrador, buscamos automatizar a precificação de projetos. Como não havia um histórico estruturado de vendas passadas suficiente para treinar modelos complexos, optou-se pela geração de dados sintéticos.

Projeto II: Regressão - Previsão de Preços de Serviços

Projeto Integrador: Consultoria de Precificação Inteligente Objetivo do ML: Prever o preço final de um serviço com base em horas trabalhadas e custos. Natureza do Problema: Regressão (Previsão de valores contínuos).

1. Exploração e Geração dos Dados

1.1 Cenário e Justificativa

No contexto do Projeto Integrador, buscamos automatizar a precificação de projetos. Como não havia um histórico estruturado de vendas passadas suficiente para treinar modelos complexos, optou-se pela geração de dados sintéticos.

Foi criado um dataset com 1000 amostras simulando a lógica de precificação de uma empresa de serviços, considerando: * Horas de Trabalho: Variável independente principal. * Custo de Material: Insumos necessários. * Complexidade: Fator multiplicador do esforço. * Ruído: Variações de mercado aleatórias inseridas para testar a robustez dos modelos.

1.2 Análise Exploratória

A análise de correlação mostrou que a variável Horas de Trabalho possui a relação mais forte com o preço final, seguida pela complexidade.

Figura 1: Matriz de correlação entre as variáveis.

A relação linear é visível no gráfico de dispersão abaixo, onde o aumento das horas resulta no aumento do preço, segmentado pelo nível de complexidade.

Figura 2: Relação entre esforço (horas) e preço final.

2. Metodologia e Seleção de Modelos

Para resolver este problema de regressão, selecionamos três algoritmos com abordagens distintas:

1. Regressão Linear (Baseline): Escolhido pela simplicidade e alta interpretabilidade. Como a precificação geralmente segue uma lógica de soma de custos, espera-se que este modelo tenha ótimo desempenho.
2. Random Forest Regressor: Um método de ensemble robusto que captura não-linearidades e interações complexas entre variáveis sem necessidade de muitos ajustes.
3. SVR (Support Vector Regressor): Utiliza kernels para mapear dados em dimensões superiores, testando se uma abordagem não-linear supera a linear.

Pré-processamento

• Divisão: 80% Treino / 20% Teste.
• Padronização: Foi aplicado o StandardScaler para garantir que variáveis com magnitudes diferentes (ex: Horas vs Custo) não enviesassem modelos sensíveis à escala, como o SVR e a Regressão Linear.

3. Avaliação dos Modelos

Os modelos foram avaliados utilizando principalmente o RMSE (Raiz do Erro Quadrático Médio), que penaliza grandes erros e mantém a métrica na mesma unidade monetária do target.

3.1 Tabela de Resultados

(Nota: Os valores acima foram obtidos na execução do notebook main.ipynb).

3.2 Comparação Visual

Figura 3: Comparação do erro (RMSE) entre os modelos testados.

O gráfico abaixo demonstra a precisão do melhor modelo, comparando os valores reais (eixo X) com os previstos (eixo Y). A proximidade dos pontos com a linha vermelha tracejada indica alta precisão.

Figura 4: Desempenho do melhor modelo no conjunto de teste.

4. Conclusão

O experimento demonstrou que é possível prever o preço dos serviços com alta precisão.

1. Desempenho da Regressão Linear: Como os dados sintéticos foram gerados a partir de uma fórmula matemática linear (soma de custos), a Regressão Linear obteve um desempenho excelente (R² próximo de 1.0), servindo como a solução ideal para este cenário específico.
2. Random Forest e SVR: Embora eficazes, apresentaram uma complexidade desnecessária para um problema que se provou ser linearmente separável.

Próximos Passos: Para evoluir o projeto, sugere-se coletar dados reais históricos, onde a relação entre as variáveis pode não ser tão direta, justificando o uso de modelos mais complexos como o Random Forest para capturar nuances de mercado não lineares. Foi criado um dataset com 1000 amostras simulando a lógica de precificação de uma empresa de serviços, considerando: * Horas de Trabalho: Variável independente principal. * Custo de Material: Insumos necessários. * Complexidade: Fator multiplicador do esforço. * Ruído: Variações de mercado aleatórias inseridas para testar a robustez dos modelos.

1.2 Análise Exploratória

A análise de correlação mostrou que a variável Horas de Trabalho possui a relação mais forte com o preço final, seguida pela complexidade.

Figura 1: Matriz de correlação entre as variáveis.

A relação linear é visível no gráfico de dispersão abaixo, onde o aumento das horas resulta no aumento do preço, segmentado pelo nível de complexidade.

Figura 2: Relação entre esforço (horas) e preço final.

2. Metodologia e Seleção de Modelos

Para resolver este problema de regressão, selecionamos três algoritmos com abordagens distintas:

1. Regressão Linear (Baseline): Escolhido pela simplicidade e alta interpretabilidade. Como a precificação geralmente segue uma lógica de soma de custos, espera-se que este modelo tenha ótimo desempenho.
2. Random Forest Regressor: Um método de ensemble robusto que captura não-linearidades e interações complexas entre variáveis sem necessidade de muitos ajustes.
3. SVR (Support Vector Regressor): Utiliza kernels para mapear dados em dimensões superiores, testando se uma abordagem não-linear supera a linear.

Pré-processamento

• Divisão: 80% Treino / 20% Teste.
• Padronização: Foi aplicado o StandardScaler para garantir que variáveis com magnitudes diferentes (ex: Horas vs Custo) não enviesassem modelos sensíveis à escala, como o SVR e a Regressão Linear.

3. Avaliação dos Modelos

Os modelos foram avaliados utilizando principalmente o RMSE (Raiz do Erro Quadrático Médio), que penaliza grandes erros e mantém a métrica na mesma unidade monetária do target.

3.1 Tabela de Resultados

(Nota: Os valores acima foram obtidos na execução do notebook main.ipynb).

3.2 Comparação Visual

Figura 3: Comparação do erro (RMSE) entre os modelos testados.

O gráfico abaixo demonstra a precisão do melhor modelo, comparando os valores reais (eixo X) com os previstos (eixo Y). A proximidade dos pontos com a linha vermelha tracejada indica alta precisão.

Figura 4: Desempenho do melhor modelo no conjunto de teste.

4. Conclusão

O experimento demonstrou que é possível prever o preço dos serviços com alta precisão.

1. Desempenho da Regressão Linear: Como os dados sintéticos foram gerados a partir de uma fórmula matemática linear (soma de custos), a Regressão Linear obteve um desempenho excelente (R² próximo de 1.0), servindo como a solução ideal para este cenário específico.
2. Random Forest e SVR: Embora eficazes, apresentaram uma complexidade desnecessária para um problema que se provou ser linearmente separável.

Próximos Passos: Para evoluir o projeto, sugere-se coletar dados reais históricos, onde a relação entre as variáveis pode não ser tão direta, justificando o uso de modelos mais complexos como o Random Forest para capturar nuances de mercado não lineares.