INTEGRAÇÃO DE MACHINE LEARNING E SISTEMAS AUTOMATIZADOS NA AVALIAÇÃO DE IMÓVEIS

Este trabalho aplica técnicas de machine learning para aprimorar a avaliação imobiliária, com foco em modelos preditivos mais precisos e automatizados. Através da seleção criteriosa de variáveis e da validação avançada de resultados, modelos como LGBMRegressor e HistGradientBoostingRegressor demonstraram maior precisão na previsão de valores de imóveis, em comparação com modelos tradicionais. O estudo considerou dados de localização, características dos imóveis e variáveis socioeconômicas, além de transformações para reduzir a influência de outliers. Métodos como stepwise, random forest, e PLS-SEM foram empregados para identificar as variáveis mais relevantes, resultando em modelos robustos e generalizáveis. Como contribuição, propõe-se uma metodologia padronizada para coleta e análise de dados no setor imobiliário, aplicável em diferentes regiões e para diversos tipos de imóveis. O trabalho destaca ainda o potencial do web scraping para automatizar a coleta de dados, promovendo mais eficiência e precisão no processo de avaliação.