Use este identificador para citar ou linkar para este item: https://locus.ufv.br//handle/123456789/28841
Tipo: TCC
Título: Análise de agrupamento de imóveis rurais para estimativa do valor da terra nua utilizando k-means
Clustering analysis of rural properties to estimate the value of bare land using k-means
Autor(es): Falquetto, Diego Andreão
Abstract: A análise para precificação de imóveis rurais leva em conta aspectos de terra nua, benfeitorias e aspectos gerais da propriedade em questão. No que se refere ao valor da terra nua (VTN), são analisados fatores quanto a produção, logística, meio ambiente e disponibilidade de recursos. Apesar de haver algumas metodologias para determinação do VTN, cada uma abrange grupos restritos de variáveis, bem como são atribuídos pesos diferentes para uma mesma variável. Diante deste cenário, objetivou-se com esse trabalho consolidar uma base de dados que abrangesse informações de produção, logística, meio ambiente e disponibilidade de recursos para os imóveis rurais contidos na base de dados do Cadastro Ambiental Rural (CAR) do Mato Grosso a fim de aplicar o algoritmo não supervisionado de Machine Learning K-Means, agrupando-os e permitindo determinação de valores de referência semelhantes para propriedades contidas nos mesmos clusters. Para isso, foram determinadas 21 variáveis a partir de diferentes bases de dados públicas, para os mais de 165 mil imóveis rurais únicos contidos na base de dados do CAR. Foram formados 12 clusters, que apresentaram diferentes características para as variáveis de entrada, com destaque para as variáveis área de agropecuária, e as referentes aos tipos de solo areias quartzosas, cambissolo, latossolo, podzólico, plintossolo e concrecionado, que apresentaram as maiores representatividades no modelo. Além disso, os agrupamentos transcenderam os limites regionais do Estado, possibilitando a comparação entre imóveis de diferentes locais. Assim, os clusters gerados foram satisfatórios, seja pela distinção notória perante análise individual das características analisadas, seja pela abrangência não regional, possibilitando mais do que comparação entre VTN em regiões distintas, mas possibilitando também futuros trabalhos de determinação de imóveis com características semelhantes para produção agrícola. Palavras-chave: não-supervisionado; machine learning; preço de imóveis.
The analysis for pricing rural properties takes into account aspects of bare land, improvements and general aspects of the property in question. With regard to the value of bare land (VTN), factors related to production, logistics, environment and resource availability are analyzed. Although there are some methodologies for determining the VTN, each one covers restricted groups of variables, as well as different weights are assigned to the same variable. Given this scenario, the objective of this work was to consolidate a database that included information on production, logistics, environment and availability of resources for rural properties contained in the database of the Rural Environmental Registry (CAR) of Mato Grosso in order to of applying the unsupervised K-Means Machine Learning algorithm, grouping them and allowing the determination of similar reference values for properties contained in the same clusters. For this, 21 variables were determined from different public databases, for the more than 165 thousand unique rural properties contained in the CAR database. Twelve clusters were formed, which presented different characteristics for the input variables, with emphasis on the agricultural area variables, and those referring to the types of soil quartz sands, cambisol, latosol, podzol, plintosol and concreted, which presented the highest representativeness in the model. In addition, the groupings transcended the regional limits of the State, making it possible to compare properties from different locations. Thus, the clusters generated were satisfactory, either by the notorious distinction in the face of individual analysis of the analyzed characteristics, or by the non-regional scope, allowing more than comparison between VTN in different regions, but also allowing future works to determine properties with similar characteristics for production agricultural. Keywords: unsupervised; machine learning; property price.
Palavras-chave: Não-supervisionado
Machine learning
Preço de imóveis
CNPq: Engenharia Agrícola
Editor: Universidade Federal de Viçosa
Citação: FALQUETTO, Diego Andreão. Análise de agrupamento de imóveis rurais para estimativa do valor da terra nua utilizando k-means. 2022. 44 f. Trabalho de Conclusão de Curso (Graduação) - Engenharia Agrícola e Ambiental - Universidade Federal de Viçosa, Viçosa. 2022.
URI: https://locus.ufv.br//handle/123456789/28841
Data do documento: 22-Mar-2022
Aparece nas coleções:Engenharia Agrícola e Ambiental - TCCs de Graduação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
texto completo.pdftexto completo1,03 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.