[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-127736-pt":3,"doc-seo-127736-112":30,"detail-sidebar-cat-0-pt-112":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},127736,962084926284,"Aurora","https://ap-avatar.wpscdn.com/davatar_29158cc5080c5b710cf443261637dec0",32,"Pesquisa e Relatórios","Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de Machine Learning","Modelo de previsão de preços de imóveis para a cidade de Florianópolis/SC desenvolvido com base em dados extraídos de portal imobiliário via web scraping. Após limpeza, organização e classificação, foram aplicados três algoritmos de Machine Learning: Random Forest, Regressão Lasso e XGBoost. O desempenho foi aprimorado por validação cruzada e otimização de hiperparâmetros, usando como atributos quartos, banheiros, vagas, área total, localização (bairro), tipologia e presença de condomínio. O melhor resultado foi o Random Forest, com RMSE 5,16e+05 e R² 0,818, apoiando corretores, investidores e usuários na precificação.","UNIVERSIDADE FEDERAL DE SANTA CATARINA CENTRO TECNOLÓGICO  \nDEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E SISTEMASCURSO DE ENGENHARIA DE PRODUÇÃO CIVIL  \nLucca Magri Zaghi  \nModelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de  \ntécnicas de Machine Learning.  \nFlorianópolis  \nLucca Magri Zaghi  \nModelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de  \ntécnicas de Machine Learning.  \nTrabalho de Conclusão do Curso de Graduação em Engenharia de Produção Civil do Centro Tecnológicoda Universidade Federal de Santa Catarina comorequisito para a obtenção do título de Bacharel em Engenharia Civil com Habilitação em Engenharia de Produção  \nOrientador: Prof. Dr. Mauricio Uriona Maldonado  \nFlorianópolis  \nLucca Magri Zaghi  \nModelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de  \ntécnicas de Machine Learning.  \nFlorianópolis, 26 de Junho de 2023.  \nEste Trabalho Conclusão de Curso foi julgado adequado para obtenção do Título de Bacharelem Engenharia Civil com Habilitação em Engenharia de Produção e aprovado em sua forma final pelo Curso Engenharia de Produção Civil  \nProf. Mauricio Uriona Maldonado, Dr. Orientador  \nUniversidade Federal de Santa Catarina  \nProf. Lynceo Falavigna Braghirolli, Dr. Avaliador  \nUniversidade Federal de Santa Catarina  \nCosme Polese Avaliador  \nUniversidade Federal de Santa Catarina  \nAGRADECIMENTOS  \nPrimeiramente, gostaria de expressar minha profunda gratidão aos meus amados paispor todo o inestimável apoio que me concederam não apenas durante o meu ciclo universitário, mas ao longo de toda a minha vida. A imensa dedicação e amor incondicional foram pilares essenciais para o meu crescimento como profissional e como pessoa.  \nQuero estender meus agradecimentos especiais aos meus colegas de universidade, em particular à Yasmin Izzo, André Pegoraro e Bruno Patrício, pela amizade sincera e companheirismo extraordinário que sempre tivemos. Nossa jornada juntos não apenas enriqueceu minha experiência acadêmica, mas também forjou laços duradouros que carregarei comigo para sempre.  \nAlém disso, gostaria de expressar uma profunda gratidão aos meus estimados professores, cuja sabedoria e orientação foram cruciais para minha jornada de formação como engenheiro. Seus comprometimentos com o ensino e seu compartilhamento de conhecimento foram verdadeiramente fundamentais para o meu crescimento acadêmico.  \nRESUMO  \nEste trabalho tem como objetivo propor um modelo de previsão de preços de imóveis na cidade de Florianópolis/SC. Para isto, foram extraídos dados de um portal imobiliário atravésda aplicação de extração de dados web scraping. Após a limpeza, organização, tratamento e classificação dos dados, foram utilizados três modelos preditivos de Machine Learning sendoeles: Random Forest, Regressão Lasso e XGBoost. Como parâmetros do modelo foramutilizados os seguintes atributos: número de quartos, banheiros, vagas, área total do imóvel (m²), localização (bairro), tipologia do imóvel e a presença ou não de condomínio. Para tanto, foram realizados procedimentos de validação cruzada e otimização de hiperparâmetros, objetivando a melhoria da precisão e redução de erros dos modelos. O melhor modelo foi o Random Forest com um RMSE de 5.16 e+05 e R2 de 0,818 . Este modelo pode servir para corretores, investidores e demais usuários que desejam realizar a precificação de imóveis em Florianópolis/SC.  \nPalavras-chave: XGBoost; Random Forest; Regressão Lasso; Web scraping; Setor Imobiliário.  \nABSTRACT  \nThe aim of this study is to propose a real estate price prediction model in the city of Florianopolis, SC. For this purpose, data was extracted from a real estate portal using web scraping techniques. After data cleaning, organization, preprocessing, and classification, three predictive machine learning models were employed: Random Forest, Lasso Regression, and XGBoost. The model parameters used were the following attributes: number of bedrooms, bathr","cbCaiigO5eQ8bxQR","https://ap.wps.com/l/cbCaiigO5eQ8bxQR","pdf",2474788,1,81,"Portuguese","pt",112,"# Resumo\n# Agradecimentos\n# Introdução e objetivos\n# Metodologia\n## Extração e preparação dos dados\n## Modelos de Machine Learning\n## Atributos utilizados\n## Validação cruzada e otimização de hiperparâmetros\n# Resultados e modelo de melhor desempenho\n# Referências visuais (Lista de Figuras)","[{\"question\":\"Qual é o objetivo do trabalho?\",\"answer\":\"Propor um modelo de previsão de preços de imóveis em Florianópolis/SC a partir de técnicas de Machine Learning.\"},{\"question\":\"Como os dados foram obtidos e preparados?\",\"answer\":\"Os dados foram extraídos de um portal imobiliário usando web scraping e, em seguida, passaram por limpeza, organização, tratamento e classificação.\"},{\"question\":\"Quais modelos e atributos foram usados e qual foi o melhor resultado?\",\"answer\":\"Foram usados Random Forest, Regressão Lasso e XGBoost, com atributos como quartos, banheiros, vagas, área total, bairro, tipologia e presença de condomínio; o melhor modelo foi o Random Forest, com RMSE 5,16e+05 e R² 0,818.\"}]","Modelo de previsão de preços de imóveis na cidade de Florianópolis/SC a partir de técnicas de Machine Learning | PDF",1785941328,125,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"real-estate-price-forecasting-model-in-florianopolissc-using-machine-learning-techniques","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/pt/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/pt/document/real-estate-price-forecasting-model-in-florianopolissc-using-machine-learning-techniques/127736/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-24","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Qual é o objetivo do trabalho?","Question",{"text":76,"@type":77},"Propor um modelo de previsão de preços de imóveis em Florianópolis/SC a partir de técnicas de Machine Learning.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Como os dados foram obtidos e preparados?",{"text":81,"@type":77},"Os dados foram extraídos de um portal imobiliário usando web scraping e, em seguida, passaram por limpeza, organização, tratamento e classificação.",{"name":83,"@type":74,"acceptedAnswer":84},"Quais modelos e atributos foram usados e qual foi o melhor resultado?",{"text":85,"@type":77},"Foram usados Random Forest, Regressão Lasso e XGBoost, com atributos como quartos, banheiros, vagas, área total, bairro, tipologia e presença de condomínio; o melhor modelo foi o Random Forest, com RMSE 5,16e+05 e R² 0,818.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,121,125,129],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},26,"Contos e Romances",60,"story-novel",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},46,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},28,"Exames","exam",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},47,"Geral","general",{"id":112,"doc_module":4,"doc_module_name":46,"category_name":113,"show_sort_weight":97,"slug":114},29,"Histórias em Quadrinhos","comic",{"id":116,"doc_module":4,"doc_module_name":46,"category_name":117,"show_sort_weight":97,"slug":118},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":120},"research-report",{"id":122,"doc_module":4,"doc_module_name":46,"category_name":123,"show_sort_weight":97,"slug":124},33,"Religião e Espiritualidade","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":127,"show_sort_weight":97,"slug":128},31,"Saúde e Cuidados","healthcare",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},45,"Tecnologia","technology"]