Regressão polinomial e redes neurais artificiais na avaliação de imóveis: um estudo de caso

Abstract

A NBR 14.653-2 prevê o uso de diferentes metodologias para avaliação de um imóvel. Dentre elas, destaca-se o uso de regressão linear e, alternativamente, o uso de redes neurais artificias. A regressão linear é um método científico bastante difundido entre os engenheiros avaliadores, enquanto a utilização de redes neurais apresenta aplicação limitada, pois, apesar do seu desempenho extraordinário, ainda não está completamente explícito o que ocorre durante a aprendizagem de uma rede neural e porque elas funcionam. Uma alternativa aos modelos de redes neurais artificiais é a modelagem através de regressão polinomial, que nada mais é que um modelo de regressão linear em que são adicionados os termos quadráticos, cúbicos etc, assim como os termos de todas as possíveis interações entre as variáveis. Nesse estudo procura-se fazer um comparativo acerca da precisão obtida por modelos de regressão polinomial e por redes neurais artificiais em dados imobiliários. Essa precisão é aferida através do cálculo da raiz do erro médio quadrático - RMSE para as duas modelagens. Os resultados obtidos convergem para aqueles obtidos por Matloff et al. (2018) em seu artigo “polynomial regression as an alternative to neural nets”, que pondera que as redes neurais artificiais, quando utilizadas funções de ativação lineares, são modelos de regressão polinomial em que o grau do polinômio aumenta a medida que aumenta o número de camadas ocultas da rede neural. Constatou-se, ainda, que o RMSE da regressão polinomial foi menor e com menor dispersão que o da respectiva rede neural artificial.