Aplicação de Algoritmos de Aprendizado de Máquina à Previsão do Valor de Imóveis no Norte de Minas Gerais

  • Bruno Henrique de Pádua Silva UFVJM
  • Rogério Alves Santana UFVJM
  • Honovan Paz Rocha UFVJM

Resumo


O mercado imobiliário brasileiro tem crescido muito mais que a economia do país nos últimos anos, e a previsão é que ele ainda perdure, pois, a estimativa de crescimento para indústria do setor de construção é de 2,5% para o ano de 2023. É esperado que as compras e vendas continuem crescendo bastante, isso porque o mercado imobiliário é um segmento bastante sólido no Brasil, onde imóveis são vistos como uma reserva de valor, ainda mais quando falamos de imóveis residenciais. A previsão para o mercado imobiliário em 2023 é positiva e promissora, como projeções indicam que o crescimento no setor deve permanecer, com bom retorno para investimentos. Considerando-se esta nova realidade, o planejamento do processo de aquisição de um imóvel tem ganhado cada vez mais importância, trazendo atenção para as técnicas de predição como ferramentas para suporte à escolha de um novo bem. A predição do preço de imóveis é um assunto complexo e depende de vários fatores que podem influenciar o valor dos imóveis, como a taxa Selic, a demanda por crédito imobiliário, a oferta e a localização das propriedades e as condições do mercado. Nesse trabalho, construímos duas bases de dados de imóveis da macrorregião do Norte de Minas Gerais, e realizamos processos para obtenção de bases estruturais. Utilizamos métodos clássicos da estatística, como a Regressão Linear e Polinomial, um Perceptron e uma Rede Neural Artificial (RNA) do tipo Perceptron Multicamadas para prever os valores de imóveis nas bases construídas. Os métodos propostos apresentaram resultados promissores com erros próximos de zero nas bases utilizadas.
Palavras-chave: Previsão do preço de imobiliário, Aprendizado de máquina, Regressão Linear, Regressão Polinomial, Perceptron, Perceptron Multicamadas, Norte de Minas Gerais

Referências

Araújo, Elton Gean et al. (2012). “Proposta de uma metodologia para a avaliação do preço de venda de imóveis residenciais em Bonito/MS baseado em modelos de regressão linear múltipla”. Em: P&D em Engenharia de Produção 10.2, pp. 195–207.

Baptistella, Marisa, Maria Teresinha Arns Steiner e Anselmo Chaves Neto (2005). “O uso de redes neurais e regressão linear múltipla na engenharia de avaliações: Determinação dos valores venais de imóveis urbanos”. Em: Diss., Universidade Federal do Paraná.

Dantas Rubens Alves e Cordeiro, GM (1988). “Uma nova metodologia para avaliação de imóveis utilizando modelos lineares generalizados”. Em: Revista Brasileira de Estatística.

González, Marco Aurélio Stumpf (1997). “Variação qualitativa e índices de preços na análise do comportamento recente dos aluguéis residenciais em Porto Alegre (1994-1997”. Em: Análise Econômica 15.28.

Lin, Hong-Yu e CHEN KUENTAI (2015). “The Trend of Average Unit Price in Taipei City”. Em: Research in World Economy 6.1, p. 133.

Lin, Hongyu e Kuentai Chen (2011). “Predicting price of Taiwan real estates by neural networks and support vector regression”. Em: Proc. of the 15th WSEAS Int. Conf. on Syst, pp. 220–225.

Moreira, Daniela Souza, RS Silva e AMR Fernandes (2010). “Engenharia de avaliações de imóveis apoiada em técnicas de análise multicritério e redes neurais artificiais”. Em: Revista de Sistemas de Informação da FSMA 6, pp. 49–58.

Real estate valuation data set (2018). UCI Machine Learning Repository. DOI: https://doi.org/10.24432/C5J30W.

Russell, Stuart J (2010). Artificial intelligence a modern approach. Pearson Education, Inc.

Selim, Sibel (2008). “Determinants of house prices in Turkey: A hedonic regression model”. Em: Doğuş Üniversitesi Dergisi 9.1, pp. 65–76.
Publicado
18/10/2023
SILVA, Bruno Henrique de Pádua; SANTANA, Rogério Alves; ROCHA, Honovan Paz. Aplicação de Algoritmos de Aprendizado de Máquina à Previsão do Valor de Imóveis no Norte de Minas Gerais. In: CONGRESSO LATINO-AMERICANO DE SOFTWARE LIVRE E TECNOLOGIAS ABERTAS (LATINOWARE), 20. , 2023, Foz do Iguaçu/PR. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 113-122. DOI: https://doi.org/10.5753/latinoware.2023.236556.