Implementação de regressão linear com scikit-learn

uma análise prática da relação entre horas de estudo e desempenho acadêmico

Resumo

Este estudo apresenta uma implementação prática de regressão linear utilizando a biblioteca Scikit-learn para modelar a relação entre horas de estudo e desempenho acadêmico. O objetivo principal foi demonstrar a aplicação de técnicas de aprendizado de máquina supervisionado através de um exemplo educacional, enfatizando os aspectos metodológicos e técnicos da implementação. Utilizando um conjunto de dados sintéticos adequado para fins didáticos, foi desenvolvido um modelo de regressão linear empregando as ferramentas do Python. A metodologia incluiu pré-processamento de dados, divisão em conjuntos de treinamento e teste (80/20), treinamento do modelo LinearRegression do Scikit-learn e avaliação através do coeficiente de determinação (R²). Os resultados produziram a equação y = 9,68x + 2,83 e demonstraram a eficácia da implementação através de métricas de avaliação apropriadas. A visualização dos dados e da linha de regressão foi realizada com Matplotlib, proporcionando uma representação gráfica dos resultados. Este trabalho contribui para a compreensão prática da implementação de algoritmos de regressão linear e serve como base para aplicações mais complexas de aprendizado de máquina em contextos educacionais e científicos.