$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Formato DC |



Título: UM MODELO STACKED ENSEMBLE PARA PREDIÇÃO DE PREÇO DE IMÓVEIS BASEADO EM GEOGRAPHICALLY WEIGHTED REGRESSION E MINERAÇÃO DE TEXTO
Autor: FELIPE ANTONINI MIEHRIG
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  FERNANDO LUIZ CYRINO OLIVEIRA - ORIENTADOR
Nº do Conteudo: 51708
Catalogação:  04/03/2021 Idioma(s):  INGLÊS - ESTADOS UNIDOS
Tipo:  TEXTO Subtipo:  TRABALHO DE FIM DE CURSO
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=51708@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=51708@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.51708

Resumo:
Automated valuation models (AVMs) são frequentemente utilizados para predição de preços de imóveis. Entretanto, poucos exploram o potencial subjacente dos dados textuais em anúncios de imóveis. Esse projeto se utiliza da teoria por trás dos modelos hedônicos de preços para desenvolver dois métodos de predição que posteriormente são combinados em um modelo ensemble. Uma base de dados contendo 16693 propriedades e seus preços de anúncio foram coletados de uma das maiores agências imobiliárias atuantes na cidade do Rio de Janeiro. Utilizando passos de Text Mining, as descrições dos classificados são vetorizadas e passadas para um modelo Lasso, enquanto, paralelamente, uma Geographically Weighted Regression (GWR) é estimada exclusivamente com as variáveis numéricas. Ambos são então combinados em um modelo ensemble de dois estágios, contendo uma regressão linear em sua segundo estágio, que encontra a combinação ótima das previsões dos modelos GWR e Lasso (primeiro estágio). A conclusão deste projeto leva a resultados promissores na área de predição de preços de imóveis com base tanto em dados estruturados quanto desestruturados.

Descrição Arquivo
NA ÍNTEGRA  PDF  
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui