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

Abstract

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.