🔍 Análise Exploratória: Porto Seguro Data Challenge

Análise completa de 59.381 clientes e 68 variáveis explicativas para prever compra de produtos.

---

📁 Arquivos na Pasta

Você tem 6 arquivos:

📄 Analise_Exploratoria.html      (12 KB)  ← Relatório em HTML
📄 Analise_Exploratoria.pdf       (378 KB) ← Relatório em PDF
📊 train.csv                      (4.8 MB) ← Dados para modelagem
📋 metadata.csv                   (2 KB)   ← Descrição das variáveis
📊 test.csv                       (7.2 MB) ← Dados de teste (não usar)
📋 submission_sample.csv          (160 KB) ← Exemplo (não usar)

---

🎯 O Que Fazer

1. VER O RELATÓRIO

Opção A: Abrir HTML (no navegador)

Clique duplo em: Analise_Exploratoria.html
→ Abre no seu navegador

Opção B: Abrir PDF (imprimível)

Clique duplo em: Analise_Exploratoria.pdf
→ Abre no leitor de PDF

2. ENTENDER OS DADOS

Arquivo: metadata.csv

• Mostra o tipo de cada variável (nominal, ordinal, discreto, contínuo)

Arquivo: train.csv

• 59.381 linhas (clientes)
• 70 colunas:
  • Coluna 1: ID
  • Colunas 2-69: Variáveis (var1 a var68)
  • Coluna 70: Y (comprou ou não)

---

📊 O Que a Análise Mostra

✅ Distribuição das variáveis

• Quantitativas: histogramas e boxplots
• Qualitativas: frequências

✅ Correlações

• Entre variáveis quantitativas
• Com a variável resposta (Y)

✅ Dados faltantes

• Quais variáveis têm dados faltantes
• Quanto faltam

✅ Recomendações

• Quais variáveis remover
• Como preparar os dados
• Quais modelos usar

---

💡 Principais Descobertas

Variáveis Importantes

Achado	Ação
var65, var66 têm 95% de dados faltantes	Remover
Maioria das variáveis < 10% faltantes	Imputar com KNN
Escalas muito diferentes entre variáveis	Normalizar
Baixa correlação geral	Usar Random Forest ou XGBoost

Recomendações para Modelagem

1. PREPARAR DADOS
   ├─ Remover var65 e var66
   ├─ Imputar dados faltantes
   └─ Normalizar variáveis

2. ESCOLHER MODELO
   ├─ Random Forest (simples)
   ├─ XGBoost (melhor)
   └─ LightGBM (mais rápido)

3. VALIDAR
   └─ Cross-validation 5-fold

---

📈 Estrutura do Relatório

O arquivo HTML/PDF tem 10 seções:

1. Introdução - O que é a análise
2. Dados - Tipo de cada variável
3. Faltantes - Onde faltam dados
4. Variáveis Discretas - Gráficos boxplot
5. Variáveis Contínuas - Distribuições
6. Qualitativas - Frequências
7. Correlações - Relações entre variáveis
8. Relação com Y - O que afeta compra
9. Testes Estatísticos - Chi-square
10. Conclusões - Recomendações finais

---

❓ Dúvidas?

P: Por onde começo? R: Abra Analise_Exploratoria.html (mais fácil) ou Analise_Exploratoria.pdf

P: Qual arquivo uso para treinar modelo? R: train.csv

P: Para que serve metadata.csv? R: Mostra o tipo de cada variável

P: Posso ignorar test.csv? R: Sim, use ele só para submissão no Kaggle depois

P: Onde vejo o código? R: Está no apêndice do PDF (arquivo .Rmd que gerou tudo)

---

📊 Resumo dos Dados

• Clientes: 59.381
• Variáveis: 69 explicativas + 1 ID + 1 Y = 71 colunas
• Y balanceada: ~50% comprou, ~50% não comprou
• Tipos: 35 nominais, 4 ordinais, 18 discretas, 12 contínuas

---

✨ Resultado Final

Você tem um relatório profissional com:

• ✅ 10 seções detalhadas
• ✅ 15+ gráficos
• ✅ Análises estatísticas
• ✅ Recomendações claras

Pronto para usar como base para modelagem!

---

Criado em: Junho 2026
Status: Análise Exploratória Completa ✅