AVALIAÇÃO DE IMÓVEIS PARA FINS TRIBUTÁRIOS COM USO DE MODELOS DE MACHINE LEARNING BASEADOS EM ÁRVORES
Palavras-chave:
Engenharia de avaliações, Avaliação de imóveis, Random forest, Gradient boostingResumo
O imposto sobre a propriedade imobiliária é um importante instrumento de política urbana e tem como base de cálculo o valor venal do bem imóvel, normalmente calculado por meio de processos de avaliações em massa. O objetivo deste estudo é analisar o desempenho preditivo dos algoritmos random forest e gradient boosting na avaliação em massa de imóveis urbanos, comparando seus resultados com os obtidos pelo modelo clássico de regressão. Foram utilizados dados de apartamentos dos bairros Centro, Trindade e Agronômica, na cidade de Florianópolis, Santa Catarina, Brasil, dos quais 80% foram utilizados como dados de treinamento e 20% como dados de teste. Os resultados mostraram que o modelo gradient boosting apresentou o melhor desempenho em todas as métricas analisadas (RMSE, MAPE, COD e R²), com predições mais precisas, o que confirma a perspectiva desta técnica de machine learning na previsão do valor venal de apartamentos, demonstrando ser essa uma alternativa viável para a geração da base de cálculo de impostos de base imobiliária.
