| dc.contributor | Fries, Carlos Ernani | |
| dc.contributor | Universidade Federal de Santa Catarina. | |
| dc.creator | Gonçalves, Mateus Mota | |
| dc.date | 2022-12-21T14:29:39Z | |
| dc.date | 2022-12-21T14:29:39Z | |
| dc.date | 2022-12-08 | |
| dc.date.accessioned | 2023-09-02T06:39:09Z | |
| dc.date.available | 2023-09-02T06:39:09Z | |
| dc.identifier | https://repositorio.ufsc.br/handle/123456789/243323 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8580519 | |
| dc.description | TCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção. | |
| dc.description | A presente monografia pretende propor um modelo de precificação de imóveis em uma cidade
do Centro-Oeste. Inicialmente, são apresentados periódicos que abordam sobre o tema deste
trabalho para imersão de pesquisas relacionadas. Após, são trazidas as noções teóricas acerca
dos temas relevantes para a compreensão do estudo, a partir de uma pesquisa bibliográfica.
Nessa parte, são destacados os principais tópicos sobre regressão linear e árvores de decisão. A
metodologia utilizada foi com coleta e tratamento de dados seguida de uma análise exploratória
dos dados. A coleta de dados considerou dados disponíveis na internet levando em conta tanto
imóveis novos quanto usados. Modelos de regressão linear foram utilizados no intuito de
predizer a precificação de imóveis. Um modelo de árvore de decisão para classificação dos
imóveis foi construído considerando variáveis contínuas e categóricas. Os resultados do
trabalho mostram que a combinação de modelos de regressão com a técnica de árvores de
decisão permite considerar simultaneamente variáveis contínuas e categóricas, obtendo-se desta
forma, resultados bastante promissores com relação aos erros de predição na precificação de
imóveis. | |
| dc.description | This undergraduate thesis intends to propose a real estate pricing model in a city in the Midwest
of Brazil. Initially, journals are presented, addressing the theme of the work for the immersion
of related research. Afterwards, the theoretical notions about the relevant themes for the
understanding of the study are brought, from bibliographical research. In this part, the main
topics on linear regression and decision trees are highlighted. The methodology used relied on
data collection and treatment followed by an exploratory data analysis. Data collection
considered data available on the internet, considering both new and used properties. Linear
regression models were used to predict property prices. A decision tree model for classifying
properties was built considering continuous and categorical variables. The results of the work
show that the combination of regression models with the decision tree technique allows the
simultaneous consideration of continuous and categorical variables, thus obtaining very
promising results regarding prediction errors in property pricing. | |
| dc.format | 77 f. | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Florianópolis, SC. | |
| dc.rights | Open Access. | |
| dc.subject | Predição | |
| dc.subject | Regressão linear múltipla | |
| dc.subject | Árvore de decisão | |
| dc.subject | CHAID | |
| dc.subject | imóveis | |
| dc.title | Precificação de imóveis utilizando regressão linear múltipla e árvores de decisão | |
| dc.type | TCCgrad | |
