Uma imobiliária deseja prever os preços das casas usando um conjunto de dados históricos com 32 características. Qual abordagem de modelagem é apropriada para esta tarefa?

A regressão linear é a abordagem mais apropriada porque o objetivo é prever um valor contínuo (o preço da casa). A regressão linear modela a relação entre uma ou mais variáveis independentes (as 32 características da casa) e uma variável dependente contínua (o preço). A regressão logística é usada para problemas de classificação binária ou multiclasse, onde a saída é uma probabilidade de pertencer a uma categoria, não um valor contínuo. O agrupamento K-means é um algoritmo de aprendizado não supervisionado usado para agrupar dados em clusters, não para prever valores. A Análise de Componentes Principais (PCA) é uma técnica de redução de dimensionalidade, usada para simplificar conjuntos de dados complexos, não para modelagem preditiva direta de um valor-alvo.