Previsão de Preços de Veículos – Base FIPE Janeiro de 2026

Utiliziei a base de dados da FIPE referente ao mês de janeiro de 2026, para as segintes marcas: Audi, BYD, GM (Chevrolet), Citroën, Fiat, Ford, Honda, Hyundai, IVECO, JAC, Jeep, Kia Motors, Mercedes-Benz, Mitsubishi, Nissan, Peugeot, Renault, Toyota, Volkswagen, Troller e Volvo, para os modelos de carro a partir do ano de 2000.

O projeto permite analisar padrões de preços, identificar fatores determinantes e construir modelos preditivos capazes de estimar valores de veículos com base em suas características, como fabricante, modelo, ano, versão, combustível e categoria.

2. Tecnologias Utilizadas

Para garantir a robustez e escalabilidade do projeto, foram empregadas as seguintes tecnologias:

• Python – Linguagem principal para análise de dados e desenvolvimento de modelos de Machine Learning.
• Pandas e NumPy – Manipulação, limpeza e transformação de dados.
• Scikit-learn – Modelos de regressão, validação cruzada, pré-processamento e métricas de avaliação.
• Matplotlib – Visualização de dados, gráficos de dispersão e análises exploratórias.
• MLflow – Gerenciamento de experimentos, versionamento de modelos e monitoramento de métricas.
• Docker e Docker Compose – Empacotamento do projeto e orquestração de containers para ambiente de produção.
• PostgreSQL – Armazenamento estruturado de dados e resultados de experimentos.
• MinIO – Armazenamento de artifacts e modelos treinados em ambiente local ou cloud.
• Modelos Escolhidos: Árvore de decisão, random florest, SVM , Rede neural, Regressão Linear múltipla, lasso, ridge e elastic-net
• Votação: Explorarção de votting regressor

3. Etapas do Projeto

1. Coleta e Pré-processamento de Dados
   • Extração da base FIPE de janeiro de 2026.
   • Limpeza e padronização de colunas.
   • Transformação de variáveis categóricas em variáveis numéricas (one-hot encoding).
2. Análise Exploratória de Dados (EDA)
   • Identificação de outliers e padrões de preços por fabricante, modelo e categoria.
   • Correlação entre características do veículo e preço.
3. Treinamento de Modelos Preditivos
   • Árvore de decisão, random florest, SVM , Rede neural, Regressão Linear múltipla, lasso, ridge e elastic-net
   • Otimização de hiperparâmetros via Grid Search.
4. Validação e Avaliação
   • Métricas: MAE, RMSE e R².
   • Comparação de desempenho entre modelos e escolha do melhor modelo para produção, usando testes estátisticos.
5. Implementação em Produção
   • Containerização com Docker e Docker Compose.
   • Armazenamento de modelos e resultados com MLflow e MinIO.
   • API de previsão para consulta de preços baseada nas características do veículo.

4. Resultados e Discussão

4.1 Análise Exploratória de Dados (EDA)

A figura acima mostra a distribuição de preços do carro. Ela mosta que a grande maioria de carros, variam de R$30 mil a R$ 150 mil, indicqando carros populares, puxando a calda mais a equerda, para regressores lineares, podem ter dificuldade com essa assimétria.

4.2 – Análise overfiting – underfiting

A figura acima mostra o desempenho overfiting e underfiting, com base nas diferenças do rmse treino e teste, o modelo consegue generalizar para os dados novos.

4.3 Desempenho dos Modelos Preditivos

A tabela abaixo mostra os melhores resultados após o tuning de parâmetros:

Observações Importantes

• Modelos baseados em ensembles (Random Forest e Rede Neural) apresentaram melhor desempenho, demonstrando maior capacidade de capturar a variabilidade de preços entre diferentes categorias e fabricantes.

• Modelos lineares (Regressão Linear, Lasso, Ridge e Elastic-Net) mostraram limitações ao lidar com não-linearidades e interações complexas presentes nos dados. Ainda assim, serviram como baseline confiável para comparação de desempenho.

4.4 – Análise da Importância dos Atributos

As figuras acimas mostram as importancias das caracteristicas para random florest e rede neural. Os gráficos revalo para o atributo ano modelo do random forest, este apresenta 50% da importância , mostrando que a drepeciação temporal é um fator decisivo para o modelo.

Para as marcas, o BYD, tem uma importancia significativa na rede neural enquanto as marcas Mercedes Bens e Audi, tem pouca presença.

4.5 Escolha do modelo (Teste de Fiedman e Nemenyi)

O teste de Friedman é um teste não paramétrico para medidas repetidas, usado para comparar três ou mais grupos relacionados, mas não pode assumir normalidade.

O teste de Nemenyi é um teste pós-hoc não paramétrico, usado após o teste de Friedman para comparar pares de grupos e identificar quais tratamentos diferem. ``

O gráfico abaixo representa o resultado final para a escolha do modelo. Com base no modelo, random florest e rede neural são estátiticamente iguais, mas diferêntes das quatro regressões lineares. Regressão svr (SVM), teve o pior desempenho entre os modelos.

4.6 Demonstração em Produção

• O modelo final foi containerizado com Docker, permitindo fácil implantação em qualquer ambiente.
• MLflow gerencia o versionamento do modelo e métricas, garantindo rastreabilidade e reprodutibilidade.
• MinIO armazena os artifacts do modelo, garantindo acesso seguro e escalável.
• A API de previsão pode fornecer estimativas de preços em tempo real para usuários finais ou sistemas integrados, facilitando decisões de compra, venda e avaliação de veículos.