Relatório de Análise de Atraso de Voos

1. Introdução aos Dados

Os dados foram carregados a partir do arquivo flights.csv e possuem a seguinte estrutura inicial.

Primeiras 5 Linhas

Esta tabela mostra as primeiras 5 linhas do nosso conjunto de dados. Ela nos dá uma visão rápida de como as informações estão organizadas, incluindo colunas como flight_id (identificação do voo), airline (companhia aérea), aircraft_type (tipo de aeronave) e a variável que queremos prever, o delay (atraso).

Últimas 5 Linhas

De forma similar, esta tabela exibe as últimas 5 linhas do nosso conjunto de dados. Isso ajuda a verificar se os dados estão completos e se há alguma diferença no final do arquivo, como o ano que muda para 2022 e a coluna is_holiday (se é feriado) que muda para True.

2. Análise Exploratória dos Dados (EDA)

Gráficos para entender a distribuição e as relações entre as variáveis.

Informações do Dataset

Esta seção descreve a estrutura geral do dataset. Podemos ver que há 28.625 entradas e 11 colunas. A tabela também nos informa o tipo de dado de cada coluna (por exemplo, int64 para números inteiros, object para texto e float64 para números com casas decimais) e se há valores ausentes.

                    
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 28625 entries, 0 to 28624
Data columns (total 11 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   flight_id        28625 non-null  int64  
 1   airline          28625 non-null  object 
 2   aircraft_type    28625 non-null  object 
 3   schengen         28625 non-null  object 
 4   origin           28625 non-null  object 
 5   arrival_time     28625 non-null  float64
 6   departure_time   28625 non-null  float64
 7   day              28625 non-null  int64  
 8   year             28625 non-null  int64  
 9   is_holiday       28625 non-null  bool   
 10  delay            28625 non-null  float64
dtypes: bool(1), float64(3), int64(3), object(4)
memory usage: 2.2+ MB
                    
                

Análise Descritiva

A análise descritiva nos dá um resumo estatístico das colunas numéricas, como média, desvio padrão (std) e valores mínimo e máximo. Por exemplo, a coluna delay (atraso) tem um atraso médio de aproximadamente 21.38 minutos, com um desvio padrão de 24.32. Um valor mínimo de atraso negativo (-29.36) pode indicar que alguns voos saíram ou chegaram mais cedo do que o programado.

Voos por Companhia Aérea

Este gráfico de barras mostra a quantidade de voos operados por cada companhia aérea. É útil para entender qual companhia tem a maior ou menor representatividade no nosso conjunto de dados.

Voos por Aeronave

Aqui podemos ver a distribuição dos voos por tipo de aeronave. Podemos identificar quais modelos de aeronave são mais comuns no dataset.

Top 10 Atrasos por Tipo de Aeronave

Este gráfico destaca os 10 tipos de aeronave com o maior atraso médio. Ele nos ajuda a identificar rapidamente se alguns modelos específicos estão mais propensos a atrasos.

Distribuição dos Atrasos

O Boxplot é um gráfico que nos mostra a distribuição dos atrasos de voos de forma resumida. A caixa central representa 50% dos dados, a linha no meio é a mediana (valor do meio), e as "antenas" mostram a variação. Os pontos fora das antenas são os outliers (valores extremos), que indicam atrasos muito altos e incomuns.

Atraso Médio por Mês

Este gráfico de linha exibe o atraso médio dos voos ao longo dos meses do ano. Podemos observar se há alguma sazonalidade, ou seja, se os atrasos são maiores em épocas específicas, como no verão ou no inverno, ou durante feriados prolongados.

3. Modelagem e Resultados

Análise da performance do modelo preditivo.

Nesta seção, avaliamos o desempenho do nosso modelo de Machine Learning que foi treinado para prever os atrasos. Os gráficos a seguir nos ajudam a entender o quão bem o modelo está fazendo suas previsões.

Gráfico de Resíduos

Um gráfico de resíduos mostra a diferença entre o valor real e o valor previsto pelo modelo. O ideal é que os pontos estejam espalhados aleatoriamente em torno do zero. Se houver um padrão (como uma curva), isso pode indicar que o modelo não está capturando bem a relação entre as variáveis.

Previsões do Modelo

Este gráfico compara os valores de atraso reais (eixo Y) com as previsões do nosso modelo (eixo X). Uma linha diagonal perfeita (que passaria por todos os pontos) seria um modelo ideal, mas na prática isso raramente acontece. Quanto mais próximos os pontos estiverem da linha, melhor é a performance do modelo, pois significa que as previsões estão muito próximas dos valores reais.