Predictive Modeling of Real Estate Prices Using Machine Learning

• Atílio Cardoso Azevedo UFPA
• Reginaldo Cordeiro dos Santos Filho UFPA

DOI: https://doi.org/10.5753/eniac.2025.13885

Resumo

Determinar o valor de um imóvel é uma tarefa complexa devido à ampla variedade de fatores que influenciam essa precificação, como localização, tamanho, número de compartimentos e demais atributos relevantes. Com o objetivo de simplificar o processo de precificação, este artigo propõe o uso de Algoritmos de Aprendizado de Máquina capazes de estimar o valor de um imóvel com base em suas características físicas e de localidade. Os algoritmos foram treinados em uma base de dados contendo anúncios online de venda de imóveis na cidade de Belém do Pará, entre dezembro de 2023 a janeiro de 2025. Os resultados desta prova de conceito indicam que o algoritmo Random Forest Regressor obteve o melhor desempenho, com um R² de 0.902 e um MAPE de 26%.

Referências

Afonso, B., Melo, L., Oliveira, W., Sousa, S., and Berton, L. (2019). Housing prices prediction with a deep learning and random forest ensemble. In Anais do XVI Encontro Nacional de Inteligência Artificial e Computacional, pages 389–400, Porto Alegre, RS, Brasil. SBC.

Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., and Wirth, R. (2000). CRISP-DM 1.0: Step-by-step Data Mining Guide. SPSS Inc., Chicago, IL. [link].

Dabreo, S., Rodrigues, S., Rodrigues, V., Shah, P., Student, F., and Conceicao (2021). Real estate price prediction.

Firpo, R. (2024). Como a inteligência artificial começou a revolucionar o mercado de imóveis. [link]. Acessado em 30-03-2025.

IBRESP (2024). Confira os bairros com imóveis mais valorizados em belém. [link]. Acessado em: 07-02-2025.

Mysore, S., Muthineni, A., Nandikandi, V., and Behera, S. (2022). Prediction of house prices using machine learning. International Journal for Research, 10.

Panchal, Y., Mer, M., and Ghosh, A. (2022). Residential property price prediction using machine learning: Makansetu. In 2022 International Seminar on Application for Technology of Information and Communication (iSemantic), pages 257–262.

Truong, Q. H., Nguyen, M. V., Dang, H., and Mei, B. (2020). Housing price prediction via improved machine learning techniques. Miscellaneous, 174:433–442.

Wang, F., Zou, Y., Zhang, H., and Shi, H. (2019). House price prediction approach based on deep learning and arima model. In 2019 IEEE 7th International Conference on Computer Science and Network Technology (ICCSNT), pages 303–307.

Wilson, I. (2022). Censo 2022 - guamá é o bairro mais populoso de belém. [link]. Acessado em: 07-02-2025.

Zaki, J., Nayyar, A., Dalal, S., and Ali, Z. H. (2022). House price prediction using hedonic pricing model and machine learning techniques. Wiley Online Library, 34(27).