Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de machine learning

Detalhes bibliográficos
Autor(a) principal: Magri Zaghi, Lucca
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

Registros relacionados