user@devops:~$ cat README.md
Regressão Linear — Seu Primeiro Modelo ML
# Descrição
Projeto de regressão linear com scikit-learn combinando dados sintéticos (onde a fórmula exata é conhecida) e dados reais da TechStore. Aprenda os fundamentos do ML: train/test split (80/20), treinamento com .fit(), predição com .predict(), interpretação de coeficientes e avaliação com métricas R², MAE e RMSE. Inclui comparação entre dados perfeitos (R² alto) e dados reais ruidosos (R² mais baixo), demonstrando o comportamento esperado no mundo real.
# Características principais
$ Regressão Linear com scikit-learn: duas linhas para treinar um modelo
$ Train/Test Split: 80% treinamento, 20% teste
$ Interpretação de coeficientes: quais features aumentam ou diminuem o target
$ Métricas de avaliação: R², MAE, RMSE
$ Comparação dados sintéticos vs reais
$ Visualização de previsões vs valores reais
# Galeria
# Tecnologias utilizadas
