Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Almeida, Simone de | - |
Autor(es): dc.contributor | Almeida, Simone de | - |
Autor(es): dc.contributor | Borges, Helyane Bronoski | - |
Autor(es): dc.contributor | Borges, André Pinz | - |
Autor(es): dc.creator | Carvalho, Vytor Hugo Lelis de | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:13:37Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:13:37Z | - |
Data de envio: dc.date.issued | 2025-07-02 | - |
Data de envio: dc.date.issued | 2025-07-02 | - |
Data de envio: dc.date.issued | 2025-06-03 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37325 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1109505 | - |
Descrição: dc.description | This study aims to apply machine learning algorithms to predict rental prices of properties listed on the Airbnb platform, focusing on the city of Rio de Janeiro. A public dataset provided by the platform itself was used, and preprocessing, exploratory data analysis, and variable selection were conducted to identify the features most correlated with price. Three regression models were trained and evaluated: Random Forest, XGBoost, and LightGBM. The Random Forest algorithm achieved the best performance, with a coefficient of determination (R²) exceeding 90%. The most relevant variables identified include accommodation type, number of bedrooms, bathrooms, beds, location, and offered amenities. The results demonstrate the potential of data science and machine learning techniques as effective tools for automated and accurate pricing of short-term rental properties. As future work, it is suggested to incorporate seasonal, geographic, and local event factors, and to develop an application that assists property owners in setting prices based on real-time data. | - |
Descrição: dc.description | Este trabalho tem como objetivo aplicar algoritmos de aprendizagem de máquina para prever os preços de aluguel de imóveis anunciados na plataforma AirBnB, com foco na cidade do Rio de Janeiro. Utilizando uma base de dados pública disponibilizada pela própria plataforma, foram realizadas etapas de pré-processamento, análise exploratória e seleção de variáveis com maior correlação com o preço. A partir disso, foram treinados e avaliados diferentes modelos de regressão, sendo eles Random Forest, XGBoost e LightGBM, destacando-se o algoritmo Random Forest, que apresentou os melhores resultados em termos de precisão, com coeficiente de determinação (R²) superior a 90%. As variáveis mais relevantes identificadas incluem tipo de acomodação, número de quartos, banheiros, camas, localização e comodidades oferecidas. Os resultados evidenciam o potencial do uso de técnicas de ciência de dados e aprendizado de máquina como ferramentas eficazes para precificação automatizada e mais precisa de imóveis para aluguel de curto prazo. Como proposta de trabalhos futuros, sugere-se a inclusão de fatores sazonais, geográficos e eventos locais, além do desenvolvimento de um aplicativo que auxilie proprietários na definição de preços com base em dados atualizados. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Aluguel residencial | - |
Palavras-chave: dc.subject | Preços - Determinação | - |
Palavras-chave: dc.subject | Análise de regressão | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Dados conectados | - |
Palavras-chave: dc.subject | Airbnb (Firma) | - |
Palavras-chave: dc.subject | Rio de Janeiro (RJ) | - |
Palavras-chave: dc.subject | Rental housing | - |
Palavras-chave: dc.subject | Basing-point system | - |
Palavras-chave: dc.subject | Regression analysis | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Linked data | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Uso de dados do Airbnb para predição do preço de aluguel de imóveis na cidade do Rio de Janeiro | - |
Título: dc.title | Using Airbnb data for predicting the rental price of properties in the city of Rio de Janeiro | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: