Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/248689 |
Resumo: | TCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção. |
id |
UFSC_2cb79a92535ec9d4d5a4d9bfdf0a48ff |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/248689 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learningXGBoostRandom ForestRegressão LassoWeb scrapingSetor ImobiliárioTCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção.Este trabalho tem como objetivo propor um modelo de previsão de preços de imóveis na cidade de Florianópolis/SC. Para isto, foram extraídos dados de um portal imobiliário através da aplicação de extração de dados web scraping. Após a limpeza, organização, tratamento e classificação dos dados, foram utilizados três modelos preditivos de Machine Learning sendo eles: Random Forest, Regressão Lasso e XGBoost. Como parâmetros do modelo foram utilizados os seguintes atributos: número de quartos, banheiros, vagas, área total do imóvel (m2), localização (bairro), tipologia do imóvel e a presença ou não de condomínio. Para tanto, foram realizados procedimentos de validação cruzada e otimização de hiperparâmetros, objetivando a melhoria da precisão e redução de erros dos modelos. O melhor modelo foi o Random Forest com um RMSE de 5.16 e+05 e R2 de 0,818. Este modelo pode servir para corretores, investidores e demais usuários que desejam realizar a precificação de imóveis em Florianópolis/SC.The aim of this study is to propose a real estate price prediction model in the city of Florianopolis, SC. For this purpose, data was extracted from a real estate portal using web scraping techniques. After data cleaning, organization, preprocessing, and classification, three predictive machine learning models were employed: Random Forest, Lasso Regression, and XGBoost. The model parameters used were the following attributes: number of bedrooms, bathrooms, parking spaces, total area of the property (m2), location (neighborhood), property typology, and the presence or absence of a condominium. Cross-validation and hyperparameter optimization procedures were conducted to improve the accuracy and reduce errors of the models. The best-performing model was Random Forest, with an RMSE of 5.16e+05 and R2 of 0.818. This model can be useful for real estate agents, investors, and other users interested in property pricing in Florianopolis, SC.Florianópolis, SC.Maldonado, MauricioUniversidade Federal de Santa Catarina.Magri Zaghi, Lucca2023-07-12T12:49:12Z2023-07-12T12:49:12Z2023-06-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis81 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/248689Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2023-07-12T12:49:17Zoai:repositorio.ufsc.br:123456789/248689Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-07-12T12:49:17Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning |
title |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning |
spellingShingle |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning Magri Zaghi, Lucca XGBoost Random Forest Regressão Lasso Web scraping Setor Imobiliário |
title_short |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning |
title_full |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning |
title_fullStr |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning |
title_full_unstemmed |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning |
title_sort |
Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning |
author |
Magri Zaghi, Lucca |
author_facet |
Magri Zaghi, Lucca |
author_role |
author |
dc.contributor.none.fl_str_mv |
Maldonado, Mauricio Universidade Federal de Santa Catarina. |
dc.contributor.author.fl_str_mv |
Magri Zaghi, Lucca |
dc.subject.por.fl_str_mv |
XGBoost Random Forest Regressão Lasso Web scraping Setor Imobiliário |
topic |
XGBoost Random Forest Regressão Lasso Web scraping Setor Imobiliário |
description |
TCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-07-12T12:49:12Z 2023-07-12T12:49:12Z 2023-06-26 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufsc.br/handle/123456789/248689 |
url |
https://repositorio.ufsc.br/handle/123456789/248689 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Open Access. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Open Access. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
81 f. application/pdf |
dc.publisher.none.fl_str_mv |
Florianópolis, SC. |
publisher.none.fl_str_mv |
Florianópolis, SC. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808652128268320768 |