Escolar Documentos
Profissional Documentos
Cultura Documentos
Prevendo o Preço de Imóveis Com Machine Learning - Parte 2 - Programmer's
Prevendo o Preço de Imóveis Com Machine Learning - Parte 2 - Programmer's
(https://www.programmers.com.br)
Sempre que um fundo imobiliário quer revender uma casa, o objetivo é conseguir colocar o
maior preço possível para conseguir um bom retorno financeiro sob a venda. E é até
possível termos alguns indícios de faixa de preços de acordo com a casa, uma maior
custará mais do que uma menor, ou talvez as mais novas custem mais do que as antigas.
Mas será que é isso mesmo? Vamos descobrir juntos dando continuidade ao estudo de
caso, utilizando mais uma técnica de Machine Learning.
Aplicamos na parte 1 deste artigo, técnicas de análise descritiva para observar como as
características das casas influenciaram no valor. E agora através de Modelos de Machine
Learning, vamos prever o valor que o fundo imobiliário conseguirá colocar nas casas novas
para conseguir revendê-las ao ponto de otimizar o ROI e todas suas ações de vendas.
Vamos lá?
1 of 7 07/11/2022 15:56
Prevendo o preço de imóveis com Machine Learning – Parte 2 - Pro... https://www.programmers.com.br/blog/prevendo-o-preco-de-imoveis...
nova.
(https://www.programmers.com.br
/wp-content/uploads/2019/12/imagem-1.jpg)
Existem vários tipos diferentes de algoritmos e modelagem, por isso na imagem citamos
apenas alguns e o restante representamos com pontos
Não há um tipo de modelo que seja ideal em toda as situações, pois depende do cenário
que está sendo trabalhado e das particularidades de cada base de dados. Além disso, não
necessariamente um modelo com uma estrutura mais complexa será o melhor (por
exemplo: uma Rede Neural (http://conteudo.icmc.usp.br/pessoas/andre/research/neural/)
comparada com uma Regressão Linear).
Há alguns modelos que são mais conhecidos, como por exemplo modelos que penalizam
variáveis explicativas correlacionadas (https://www.datacamp.com/community/tutorials
/tutorial-ridge-lasso-elastic-net); uma regressão linear (https://medium.com/data-
hackers/implementando-regress%C3%A3o-linear-simples-em-python-91df53b920a8);
uma floresta aleatória (https://medium.com/machina-sapiens/o-algoritmo-da-floresta-
aleat%C3%B3ria-3545f6babdf8), entre outros. Por isso, recomendamos a leitura do artigo
“10 Algoritmos de Aprendizagem de Máquinas (Machine Learning) que você precisa saber
(https://medium.com/@cristianofurquim/10-algoritmos-de-aprendizagem-de-
m%C3%A1quinas-machine-learning-que-voc%C3%AA-precisa-saber-c49f9eefe319)” e do
2 of 7 07/11/2022 15:56
Prevendo o preço de imóveis com Machine Learning – Parte 2 - Pro... https://www.programmers.com.br/blog/prevendo-o-preco-de-imoveis...
m%C3%A1quinas-machine-learning-que-voc%C3%AA-precisa-saber-c49f9eefe319)” e do
livro “The Deep Learning textbook (https://www.deeplearningbook.org/)”, que aborda a
fundo os modelos de Machine Learning e comenta sobre Deep Learning – campo que
utiliza modelos
(https:/ de rede neural.
/www.programmers.com.br)
Além dos diferentes tipos de modelos, há várias maneiras de otimizar quanto o modelo irá
acertar, que é o foco: quanto mais acertos, mais a nossa predição será boa.
(https://www.programmers.com.br/wp-content/uploads/2019/12/tabela1.png)
E em relação ao cliente 2 e 3, qual imóvel deve ser o mais caro? Se fosse para dizer sem o
modelo, diríamos que é o do cliente 3, por possuir uma nota e quantidade de quartos
3 of 7 07/11/2022 15:56
Prevendo o preço de imóveis com Machine Learning – Parte 2 - Pro... https://www.programmers.com.br/blog/prevendo-o-preco-de-imoveis...
modelo, diríamos que é o do cliente 3, por possuir uma nota e quantidade de quartos
maior em comparação a casa do cliente 2. Mas como podemos analisar no resultado da
predição abaixo, mais uma vez nosso “achismo” estava errado!
(https://www.programmers.com.br)
O preço do imóvel do cliente 2 deve ser maior. Como eu disse anteriormente, o nosso
banco de dados contém muitas outras variáveis além das que estão na figura acima. Ou
seja, uma delas influenciou para que o modelo conseguisse entender e aprender que o
imóvel do cliente 2 deveria ser maior.
E o resultado da predição não está errada: o imóvel do cliente 2 realmente tem um valor
superior ao cliente 3, e o preço do imóvel do cliente 1 é o maior! Isso significa que nosso
modelo está acertando e predizendo o preço certo de acordo com as características dos
imóveis.
Informações valiosas
Em resumo, aplicar esta técnica ajudaria o fundo imobiliário a prever o preço das casas
para estes três diferentes clientes. Tanto a análise descritiva que fizemos na parte 1
(https://www.programmers.com.br/blog/prevendo-o-preco-de-imoveis-com-machine-
learning-parte-i/) como o modelo aplicado agora agregariam valor ao negócio do fundo,
além de dar muito mais inteligência e eficiência em suas tomadas de decisões.
Nesta série, exploramos muitos dados disponíveis e vimos que usando algumas técnicas
de Ciências de Dados e Machine Learning (https://www.programmers.com.br/solucoes
/inteligencia-artificial/) nos trouxeram informações valiosas. Mas, te garantimos, que não
fizemos nem metade do que poderíamos ter feito.
Esperamos que o estudo de caso tenha te ajudado a avançar neste universo incrível que é
a Ciência de Dados, e que tenha despertado o interesse a ponto de você estar
considerando usar a inteligência de dados ao seu favor.
4 of 7 07/11/2022 15:56
Prevendo o preço de imóveis com Machine Learning – Parte 2 - Pro... https://www.programmers.com.br/blog/prevendo-o-preco-de-imoveis...
(https://www.programmers.com.br)
comercial@programmers.com.br (mailto:comercial@programmers.com.br)
contato@programmers.com.br (mailto:contato@programmers.com.br)
(https://www.programmers.com.br Trabalhe
Blog (https://programmers.gupy.io/)
/blog) Conosco
5 of 7 07/11/2022 15:56
Prevendo o preço de imóveis com Machine Learning – Parte 2 - Pro... https://www.programmers.com.br/blog/prevendo-o-preco-de-imoveis...
Nossas unidades_
São Paulo
(https:/
/www.programmers.com.br)
Av. das Nações Unidas, 12901 – 25 and. - Cidade Monções
+55 (11) 3504-1100
Campinas
Av. Dr. José Bonifácio Coutinho Nogueira, 150 - Térreo, sala 38
+55 (19) 3242-8033
Matão
Av. XV de Novembro, 1368, Centro
+55 (16) 3384-3053
Araraquara
Rua Gonçalves Dias, 2367, Jardim Primavera
+55 (16) 3461-3088
A Programmers_
(https://www.programmers.com.br/)
6 of 7 07/11/2022 15:56
Prevendo o preço de imóveis com Machine Learning – Parte 2 - Pro... https://www.programmers.com.br/blog/prevendo-o-preco-de-imoveis...
(https://www.facebook.com/programmersit)
(https://www.programmers.com.br)
(https://www.instagram.com/programmers_beyond_it/)
(https://www.linkedin.com/company/programmersbeyondit/)
7 of 7 07/11/2022 15:56