# Questão: Predição de Preços de Casas com Scikit-learn

Um cientista de dados deseja criar um modelo de regressão linear para prever o preço de uma casa com base em seu tamanho (em metros quadrados). Ele coletou os seguintes dados:

| Tamanho (m²) | Preço (mil reais) |
|-------------|------------------|
| 50          | 200              |
| 80          | 320              |
| 100         | 400              |
| 150         | 600              |
| 200         | 800              |

---

## Parte 1 - Preparação dos Dados

Com base nos dados acima, qual das seguintes opções representa corretamente a separação das variáveis `X` (entrada) e `y` (saída) no Scikit-learn?

**a)**
```python
X = [50, 80, 100, 150, 200]
y = [200, 320, 400, 600, 800]
```
**b)**
```python
X = [[50], [80], [100], [150], [200]]
y = [200, 320, 400, 600, 800]
```
**c)**
```python
X = [50, 80, 100, 150, 200]
y = [[200], [320], [400], [600], [800]]
```
**d)**
```python
X = [[50, 80, 100, 150, 200]]
y = [200, 320, 400, 600, 800]
```

## Parte 2 - Treinamento do Modelo

Após definir corretamente X e y, o cientista de dados quer criar e treinar o modelo de regressão linear no Scikit-learn.

Qual das seguintes opções completa corretamente o código abaixo?
```python
from sklearn.linear_model import LinearRegression

modelo = LinearRegression()
_____  # Linha que falta aqui
modelo.fit(X, y)
```

**a)** `modelo.train(X, y)`

**b)** `modelo.learn(X, y)`

**c)** `modelo.fit(X, y)`

**d)** `modelo.prepare(X, y)`

## Parte 3 - Predição

O modelo treinado agora pode prever preços de casas com base no tamanho. Se o cientista de dados usar o seguinte código:
```python
preco_previsto = modelo.predict([[120]])
print(preco_previsto)
```

E sabendo que a relação entre tamanho e preço é linear, qual será o preço previsto para uma casa de 120m²?

**a)** 500 mil reais

**b)** 450 mil reais

**c)** 480 mil reais

**d)** 420 mil reais