Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/26485
Registro completo de metadados
Campo DCValorIdioma
dc.creatorCamargo, Guilherme Henrique de-
dc.date.accessioned2021-11-23T13:06:36Z-
dc.date.available2021-11-23T13:06:36Z-
dc.date.issued2020-10-26-
dc.identifier.citationCAMARGO, Guilherme Henrique de. Classificação de preços de imóveis utilizando a técnica de floresta aleatória. 2020. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/26485-
dc.description.abstractReal 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectMineração de dados (Computação)pt_BR
dc.subjectBens imóveis - Preçospt_BR
dc.subjectMercado imobiliáriopt_BR
dc.subjectData miningpt_BR
dc.subjectReal property - Pricespt_BR
dc.subjectReal estate businesspt_BR
dc.titleClassificação de preços de imóveis utilizando a técnica de floresta aleatóriapt_BR
dc.title.alternativeReal estate price classification using the random forest techniquept_BR
dc.typebachelorThesispt_BR
dc.description.resumoA 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.pt_BR
dc.degree.localPonta Grossapt_BR
dc.publisher.localPonta Grossapt_BR
dc.contributor.advisor1Koscianski, André-
dc.contributor.referee1Koscianski, André-
dc.contributor.referee2Borges, André Pinz-
dc.contributor.referee3Ribeiro, Richard Duarte-
dc.publisher.countryBrasilpt_BR
dc.publisher.programCiência da Computaçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:PG - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
precosimoveisflorestaaleatoria.pdf1,24 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.