Ir para o conteúdo

Regressão Linear no Mercado Imobiliário

Python Scikit-learn Statsmodels Pandas Jupyter

Repositório

Visão Geral

Regressão linear simples e múltipla para prever o valor de aluguel de imóveis. O projeto vai além da modelagem — inclui tratamento robusto de outliers, análise de multicolinearidade e diagnóstico de overfitting.

Variáveis do Dataset

Variável Tipo Descrição
ValorAluguel Target Valor mensal do aluguel
Metragem Contínua Área total em m²
NQuartos Discreta Número de quartos
NVagas Discreta Vagas de garagem
NBanheiros Discreta Número de banheiros
NSuites Discreta Número de suítes
ValorCondominio Contínua Taxa de condomínio

Desafio dos Outliers

O dataset contém imóveis de luxo com valores extremos. A estratégia adotada foi winsorização por IQR para variáveis contínuas e winsorização por percentil para variáveis discretas — sem exclusão de amostras.

Fluxo do Projeto

Winsorização por IQR para variáveis contínuas (aluguel, metragem). Winsorização por percentil para variáveis discretas (banheiros, suítes).

Estatísticas descritivas, boxplots e matriz de correlação.

  • Regressão simples — apenas metragem como preditor
  • Regressão múltipla — todas as variáveis disponíveis
  • Extração de coeficientes e equações dos modelos
  • R² em treino e teste
  • Diagnóstico de overfitting e multicolinearidade
  • Recomendação de regularização (Ridge/Lasso)

Implementação

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

# Regressão simples
lr_simple = LinearRegression()
lr_simple.fit(X_train[["Metragem"]], y_train)

# Regressão múltipla
lr_multi = LinearRegression()
lr_multi.fit(X_train, y_train)

print(f"R² simples  — Treino: {r2_score(y_train, lr_simple.predict(X_train[['Metragem']])):.4f}")
print(f"R² simples  — Teste : {r2_score(y_test,  lr_simple.predict(X_test[['Metragem']])):.4f}")
print(f"R² múltiplo — Treino: {r2_score(y_train, lr_multi.predict(X_train)):.4f}")
print(f"R² múltiplo — Teste : {r2_score(y_test,  lr_multi.predict(X_test)):.4f}")

Diagnóstico

Overfitting identificado

O modelo múltiplo apresentou R² altíssimo no treino, mas não generalizou para o teste — causado por multicolinearidade entre quartos, banheiros e suítes.

Recomendações

  • Aplicar Ridge ou Lasso para regularização
  • Selecionar variáveis com VIF (Variance Inflation Factor)
  • Avaliar transformações logarítmicas em variáveis assimétricas

Stack Utilizada

  • Python 3.x · Pandas · NumPy
  • Scikit-learn — modelagem e métricas
  • Statsmodels — análise estatística detalhada
  • Matplotlib / Seaborn — visualizações
  • Jupyter Notebook — ambiente de experimentação

Evoluções Futuras

  • [ ] Implementar Ridge e Lasso com cross-validation
  • [ ] Análise de VIF para seleção de variáveis
  • [ ] Modelo com variáveis geográficas (bairro, cidade)