Aluguéis no Brasil

Bom, eu estava navegando pelo Kaggle e me deparei com um conjunto de dados a respeito dos valores dos aluguéis em algumas cidades brasileiras. Eu achei ele bem interessante, e já que uma das minhas intenções era treinar o que havia aprendido de ML no DataCamp, além de praticar EDA e storytelling, aceitei investigar um pouco mais nele.

Análise completa em "alugueis_brasil.ipynb".

Observação 1: para melhorar a visualização de algumas imagens, por conta da resolução que foi comprometida, recomendo clicar em "Open in Colab", no começo do notebook.

Observação 2: resolvi melhorar ainda mais este projeto criando uma versão 2 dele, juntos com algumas pessoas da minha faculdade para um certo trabalho. Esta segunda versão é apresentada no arquivo "alugueis_brasil_v2.ipynb", recomendo muito a sua visualização, pois foi feito uma análise muito mais profunda e detalhada!

Contexto

Um dos maiores desafios que as imobiliárias enfrentam é a precificação de seu imóvel, isso porque o mercado é extremamente dinâmico, logo exige um acompanhamento regular das tendências e perspectivas do setor por certos profissionais. Considerando a instabilidade econômica brasileira nesses últimos anos, esse setor adquiriu ainda mais dificuldades para retomar seu crescimento, sendo este um dos fatores que tornaram a precificação em uma tarefa complexa para as empresas.

Existem muitas coisas que um empreendedor nessa área deve se atentar, como a localização do imóvel, a infraestrutura e certas variáveis de mercado, exigindo uma pesquisa bem elaborada e uma precificação coerente, para que o cliente saia satisfeito e feche seu negócio!

Sendo assim, tentei utilizar o que sabia de Machine Learning para prever esses valores, além de fazer uma EDA no dataset!

Base de dados: Casas para se alugar, em algumas cidades do Brasil, disponível nesse link.

Ferramentas utilizadas

Linguagem de programação Python;
Pacotes: pandas, numpy, matplotlib, seaborn, sklearn;
Notebook: Google Colaboratory.

Descrição breve das etapas

1. Pré-processamento

Transformação do "-" na coluna floor para 0;
Transformação da coluna floor em numérica;
Remoção de alguns outliers.

2. Análise Exploratória dos Dados

Algumas visualizações que obtive estão abaixo:

3. Preparando para o ML

Retirei as colunas que eu não queria (floor, fire insurance (R$) e total (R$));
Transformei as variáveis categóricas em dummies, retirando as redundantes;
Dividi as variáveis independentes (X) e dependente (y).

4.1. Machine Learning: modelos testados

Foram testados:

K-Neighbors Regressor;
Regressão Linear;
Regressão Ridge;
Regressão Lasso;
Decision Tree Regressor;
Random Forest Regressor.

4.2. Machine Learning: Aplicando a modelagem

Após selecionar os modelos, fiz um cross-validation com todos eles, para ver qual era o melhor.

4.3. Machine Learning: Resultados das métricas

A métrica de comparação foi o RMSE, e no caso, a Random Forest Regressor obteve o melhor resultado.

4.4. Machine Learning: Tuning de Hiperparâmetros

Após escolher o modelo acima, resolvi verificar se haveria alguma forma de melhorá-lo ainda mais, testando diferentes parâmetros. Entretanto, foi possível concluir que mesmo combinando valores nos argumentos do algoritmo, o RMSE não foi menor que o algoritmo padrão do sklearn, e portanto, a melhor escolha foi escolher a floresta aleatória de antes.

5. Testando o modelo

Resultado do y_pred e y_test:

Testando uma casa com essas características:

Área de 250 m²;
3 quartos;
2 banheiros;
1 vaga;
Valor do condomínio (aproximado): R$ 1.700;
Valor do IPTU (aproximado): R$ 1.000;
Localizada em São Paulo;
Permissão da entrada de animais;
Não sendo mobiliada.

Resultado: seria recomendado um aluguel de R$ 2822.76.

Emersonmiady / houses-rent-br