Projeto feito como uma das atividades do Bootcamp de Dados MIA (Mulheres em Inteligência Artificial). O foco aqui foi a análise dos rendimentos dos filmes presentes na base.
Os dados utilizados são disponibilizados pela Agência Nacional do Cinema (ANCINE). Este conta com as seguintes colunas:
TITULO_ORIGINAL: String – Nome original do filme; TITULO_BRASILEIRO: String – Nome do filme no Brasil; GENERO: String Genero do Filme, podendo ser Ficção, Animação, etc.; PAIS_ORIGEM: String País de Origem da produtora do filme; CPB_ROE: String Código do Filme; COPIAS: Numero inteiro - Quantas cópias foram distribuidas; SALAS: Numero inteiro – Quantas salas de cinema passaram o filme; DT_INICIO_EXIBICAO: Data – Data de estréia do filme no Brasil; DT_FIM_EXIBICAO: Data – Data da ultima sessão do filme no Brasil; PUBLICO: Numero inteiro Quantidade de expectadores; RENDA: Numero com decimais: Valores arrecadados com bilheteria; RAZAO_SOCIAL_DISTRIBUIDORA: String – Nome da distribuidora; REGISTRO_DISTRIBUIDORA: Numero inteiro – Numero do registro na Ancine; CNPJ_DISTRIBUIDORA: String – CNPJ da distribuidora; ANO_CINEMATOGRAFICO: Numero – Ano da produção.
Para a pergunta proposta no Desafio Cinematográfico, "Existe algum padrão em filmes que tem alta renda?", meu grupo optou pelo caminho da análise multivariada. O presente repositório é um exercício de estratégias de modelagem, levando em considerção a importância da análise de resíduos para a avaliação de adequabilidade e interpretabilidade dos modelos. Além dos arquivos de dados, os três notebooks contém o histórico das tentativas. O ponto de partida é regressão linear múltipla, seguida da transformação logarítmica da informação de rendimento dos filmes à regressão linear múltipla com a exclusão de outliers. Por fim, temos a regressão logistica.