Classificação de preços de imóveis utilizando a técnica de floresta aleatória

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKoscianski, André-
Autor(es): dc.contributorKoscianski, André-
Autor(es): dc.contributorBorges, André Pinz-
Autor(es): dc.contributorRibeiro, Richard Duarte-
Autor(es): dc.creatorCamargo, Guilherme Henrique de-
Data de aceite: dc.date.accessioned2022-02-21T22:22:42Z-
Data de disponibilização: dc.date.available2022-02-21T22:22:42Z-
Data de envio: dc.date.issued2021-11-22-
Data de envio: dc.date.issued2021-11-22-
Data de envio: dc.date.issued2020-10-25-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/26485-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/673808-
Descrição: dc.descriptionReal 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.-
Descrição: dc.descriptionA 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.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectMineração de dados (Computação)-
Palavras-chave: dc.subjectBens imóveis - Preços-
Palavras-chave: dc.subjectMercado imobiliário-
Palavras-chave: dc.subjectData mining-
Palavras-chave: dc.subjectReal property - Prices-
Palavras-chave: dc.subjectReal estate business-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleClassificação de preços de imóveis utilizando a técnica de floresta aleatória-
Título: dc.titleReal estate price classification using the random forest technique-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.