Um modelo híbrido de clusterização e classificação para previsão de preços de aluguéis de imóveis em cidades litorâneas

Prever preços de imóveis utilizando algoritmos de machine learning a partir de dezenas de variáveis explicativas é uma tarefa conhecida dentro da comunidade de ciência de dados. Nesse estudo, o objetivo é focar na realidade de imóveis de cidades litorâneas no Brasil, mais especificamente os apartamentos da Região da Zona Sul do Rio de Janeiro que é conhecida por grandes contrastes na renda da população. Fatores como proximidade com comunidades carentes e distância à praia podem fazer o preço do aluguel ter grande variação dentro de um mesmo bairro. Dentro desse contexto, pretendemos apresentar os passos que vão desde a coleta até a modelagem de um modelo híbrido de clusterização e classificação, com o objetivo de conseguir a melhor estimativa de preços de aluguel a partir de dados publicamente disponíveis. Esse modelo de aprendizado de máquina, uma vez treinado pode ser utilizado para fornecer estimativas fidedignas para interessados em obter o preço praticado na região para imóveis similares ao seu. Técnicas de web scrapping em um site de anúncios de imóveis foram usadas para fazer a coleta de dados, do qual podemos obter dados de 3942 imóveis e 8 variáveis explicativas. Além disso, através de feature engineering na variável endereço, podemos conseguir a distância do imóvel à praia. Para a regressão, foram comparados o modelo de random forest e um modelo híbrido de clusterização e random forest.