Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/26485| Título: | Classificação de preços de imóveis utilizando a técnica de floresta aleatória |
| Título(s) alternativo(s): | Real estate price classification using the random forest technique |
| Autor(es): | Camargo, Guilherme Henrique de |
| Orientador(es): | Koscianski, André |
| Palavras-chave: | Mineração de dados (Computação) Bens imóveis - Preços Mercado imobiliário Data mining Real property - Prices Real estate business |
| Data do documento: | 26-Out-2020 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | CAMARGO, Guilherme Henrique de. Classificação de preços de imóveis utilizando a técnica de floresta aleatória. 2020. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020. |
| Resumo: | A precificação de imóveis é relevante para diversos assuntos, como investimento imobiliário, simulação e até no planejamento urbano. Sendo assim, investidores, compradores e vendedores de imóveis são pessoas potencialmente interessadas. Contudo a obtenção de informações a partir de bases eletrônicas não é trivial. Com isso processos para a descoberta de conhecimento foram desenvolvidos, como é o caso do Knowledge Discovery in Databases (KDD). Este processo possui, dentre suas etapas, as etapas de Mineração de Dados (MD) e avaliação do modelo gerado. Para realizar a mineração é utilizado um algoritmo, que nesta aplicação em específico, é a Random Forest (RF). Para a avaliação, um método deve ser empregado sobre a descoberta gerada, como matriz de confusão. Por sua vez a previsão de preços pode ser um objetivo do KDD. Comparações podem ser realizadas utilizando o modelo gerado pelo trabalho. Neste trabalho a modelagem foi realizada com um conjunto de dados geográficos, a classificação final sendo um intervalo de preço. |
| Abstract: | Real estate pricing is relevant to several issues, such as real estate investment, simulation and even urban planning. Therefore, investors, buyers and sellers of real estate are potentially interested people. Information gathering from electronic databases is nontrivial; this motivates the development of Knowledge Discovery in Databases (KDD). This process has, among its steps, the Data Mining (MD) and evaluation steps. To carry out mining, some algorithms are used, in this specific application, the Random Forest (RF). Forthe evaluation, a method must be used on the generated discovery, such as the confusion matrix. Price forecasting, in turn, can be a goal of KDD. Comparisons can be made using the model generated by the work. In this work, the modeling was performed with a set of geographic data, the final classification being a price range. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/26485 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| precosimoveisflorestaaleatoria.pdf | 1,24 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.