Skip to content

Projeto de machine learning aplicando regressão logistica nos dados de clientes que tiveram alguma interação com anúncios de redes sociais, se efetuaram ou não uma compra.

License

Notifications You must be signed in to change notification settings

emso-exe/Anuncios_em_redes_sociais

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

23 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

🔎 Análise de dados: Anúncios em redes sociais 📰

Este é um projeto de machine learning para análise de dados de usuários que efetuaram ou não uma compra, os dados foram disponibilizados na plataforma Kaggle.

Não estão definidos no dataset o caso proposto e o problema a ser solucionado, então baseados nos dados serem de compras efetuadas ou não por usuários e arquivo de dados ser nomeado como "anúncios de redes sociais", será adotada a seguinte interpretação: O arquivo Social_Network_Ads.csv contém dados de usuários de uma rede social que tiveram alguma interação com um anúncio e foram incentivados ou não a efetuar uma compra, sendo assim o objetivo do desenvolvimento do modelo será em prever quais clientes estimulados pelo(s) anúncio(s) realizará ou não uma compra.

📃 Demanda da análise

  • Analisar a correlação dos dados dos usuários.
  • Gerar um modelo preditivo de compra ou não por um usuário.
  • Simular novas entradas de dados e previsões.

📋 Tópicos da análise

  1. Análise das medidas estatísticas dos dados
  2. Distribuição dos dados entre as variáveis independentes (features) e dependente (target)
  3. Correlação entre as variáveis
  4. Criação do modelo de regressão logística
    1. Separação dos dados de treino e teste
    2. Treinamento e predições do modelo
    3. Métricas do modelo
    4. Previsões com novos dados
  5. Conclusão

📓 Dicionário de dados

User ID: Id exclusivo para identificação do usuário
Gender: Gênero, masculino ou feminino
Age: Idade do usuário
EstimatedSalary: Salário estimado do usuário
Purchased: Flag, 1 se o usuário efetuou uma compra via anúncio ou 0 se não houve compra

💎 Resultados do modelo

Após efetuar ajustes nos dados, a fim de identificar padrões e correlações que auxiliaram na interpretação das informações sobre usuários que realizaram uma compra ou não, foi construído um modelo com acurácia de 90% e pontuação média de 84,5%. Foram executados testes com novas entradas de dados indicando clientes que potencialmente efetuariam uma compra (comprado: 1) estimulados por um anúncio específico, assim o modelo também irá permitir traçar perfis, baseado nas variáveis independentes, com maior probabilidade de efetuar uma compra e assim direcionar os anúncios para esse público específico.

idade masculino feminino salario_estimado comprado
0 19 0 1 130754.00 0
1 26 0 1 148398.00 0
2 19 1 0 42037.00 0
3 35 1 0 102935.00 1
4 41 1 0 102119.00 1
5 33 0 1 43919.00 0
6 58 0 1 141094.00 1
7 34 0 1 111118.00 0
8 36 0 1 114059.00 0
9 50 0 1 133254.00 1

💻 Tecnologias

  • Python
    • Biblioteca GC
    • Biblioteca Pandas
    • Biblioteca Matplotlib
    • Biblioteca Seaborn
    • Biblioteca Numpy
    • Biblioteca Warnings
    • Biblioteca Tabulate
    • Biblioteca SciKit-learn
    • Biblioteca Imbalanced-learn

💳 Créditos

🔖 Licença

Licença MIT (MIT). Por favor leia o arquivo da licença para mais informações.

About

Projeto de machine learning aplicando regressão logistica nos dados de clientes que tiveram alguma interação com anúncios de redes sociais, se efetuaram ou não uma compra.

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published