Precificação de imóveis na cidade de Belo Horizonte: uma análise preditiva usando regressão linear e random forest
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Monografia de especialização
Título alternativo
Real estate pricing in the city of Belo Horizonte: a predictive analysis using linear regression and random forest
Primeiro orientador
Membros da banca
Guilherme Augusto Veloso
Resumo
O mercado imobiliário exerce grande importância e relevância para a economia dos municípios brasileiros. O presente trabalho busca aplicar modelos preditivos para a precificação de imóveis do tipo casa e apartamento em Belo Horizonte, Minas Gerais, Brasil. Através da base de dados pública relativa ao recolhimento do Imposto sobre Transmissão de Bens Imóveis (ITBI), disponível no portal de dados abertos da Prefeitura de Belo Horizonte, foi realizada uma análise desses dados utilizando duas técnicas: regressão linear e Random Forest. Variáveis como a regional do município, tipo de acabamento do imóvel e idade da construção foram consideradas como possíveis preditores. Os resultados indicaram que o modelo Random Forest apresentou 82% de precisão na precificação de um imóvel na cidade de Belo Horizonte com base em tais fatores. A pesquisa contribui para exemplificar como métodos estatísticos podem ser utilizados para guiar e avaliar uma precificação imobiliária mais realista e alinhada aos preços praticados no mercado imobiliário do
município.
Abstract
The real estate market plays a significant role in the economy of Brazilian
municipalities. This study aims to apply predictive models for pricing residential
properties, such as houses and apartments, in Belo Horizonte, Minas Gerais, Brazil.
Using a public database related to the collection of the Buildings Transfer Tax (ITBI),
available on the open data portal of the Belo Horizonte city hall, an analysis of these
data was conducted using two techniques: linear regression and Random Forest. Variables such as the city's region, property finishing type, and building age were considered as potential predictors. The results indicated that the Random Forest model achieved 82% accuracy in predicting property prices in Belo Horizonte based on these factors. This research contributes to illustrating how statistical methods can be used to guide and assess a more realistic property valuation, aligning with market
prices in the municipality's real estate sector.
Assunto
Estatística, Análise de regressão, Mercado imobiliário – Belo Horizonte (MG), Mercado imobiliário – Controle de preços, Árvores de decisão, Floresta aleatória
Palavras-chave
Precificação, Mercado imobiliário, Predição, Random forest
Citação
Departamento
Endereço externo
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto