Desenvolvimento de modelo de aprendizado de máquina para precificação imobiliária

Resumo

A incorporação imobiliária é um processo complexo, no qual a definição do preço de venda de unidades imobiliárias representa um desafio significativo. Métodos tradicionais de precificação, como a regressão hedônica e a regressão linear múltipla, têm sido amplamente utilizados, mas enfrentam dificuldades para capturar a complexidade e não linearidade do mercado imobiliário. Este trabalho desenvolve um modelo de aprendizado de máquina (ML) baseado em redes neurais artificiais (RNA) para precificação imobiliária, com o objetivo de aprimorar a precisão das estimativas. O modelo é treinado utilizando um conjunto de dados estruturado e tratado metodologicamente, e sua avaliação inclui métricas de desempenho e análise espacial dos erros. Os resultados demonstram que o modelo alcançou um erro médio absoluto (MAE) de R$ 915,44 e um erro percentual médio (MAPE) de 18,06%, superando abordagens tradicionais. Além disso, a análise comparativa com estudos anteriores reforça a eficácia da abordagem de ML, especialmente na captura de padrões espaciais e na redução de discrepâncias preditivas. Os achados evidenciam o potencial do modelo como uma ferramenta aplicável ao mercado imobiliário, contribuindo para a tomada de decisão por investidores e profissionais do setor.