Estimativa de desempenho de métodos de aprendizado de máquina baseados em árvores de decisão na valoração do solo no município de Fortaleza, Brasil

Abstract

Este trabalho apresenta três abordagens de aprendizado de máquina (machine learning - ML) com modelos ensemble de árvore de decisão (DT) aplicados à avaliação em massa de imóveis urbanos, mais precisamente, no auxílio à modelagem de uma planta genérica de valores de terrenos para o Município de Fortaleza. Como benchmark para a verificação de acurácia e análise de desempenho, comparou-se métricas já consagradas na literatura internacional com a mesmas obtidas pela modelagem de preços hedônicos (regressão linear múltipla com ajuste de superfície de tendência). Em quase todas as métricas escolhidas, com exceção do “nível de avaliação”, os modelos alternativos apresentados superaram o modelo clássico de regressão. Ressaltou-se a simplicidade de utilização de tais modelos, na sua “liberdade” quanto à presença de multicolinearidade entre as variáveis preditoras e com destaque para o ranking dos atributos mais importantes na formação do valor de mercado. Ao final, conclui-se premente a necessidade de se elaborar uma norma específica para avaliação em massa de imóveis que contemplem as novas abordagens de aprendizado de máquina com critérios claros de verificação de acurácia e performance.