Precificação de Passagens Aéreas

Este projeto foi desenvolvido como parte da disciplina de Aprendizado de Máquina do mestrado em Inteligência Computacional na Universidade Federal do Rio Grande do Norte (UFRN). O estudo tem como objetivo prever os preços de passagens aéreas utilizando algoritmos de aprendizado de máquina.

• Notebook do Projeto: Flight_Price_Prediction.ipynb
• Artigo Final: Artigo - Precificação de Passagens Aéreas.pdf
• Fonte dos Dados: Kaggle - Flight Price Prediction Dataset

Objetivo

O projeto visa identificar o modelo preditivo mais adequado para prever preços de passagens aéreas, considerando variáveis como companhia aérea, cidade de origem e destino, duração do voo, e número de escalas.

Metodologia

• Base de Dados: Dados coletados por 50 dias através da plataforma EaseMyTrip, contendo informações de voos entre as principais cidades da Índia. O dataset inclui 300.261 registros de opções de voos, com 11 variáveis relevantes (companhia aérea, tempo de partida e chegada, escalas, classe do assento, duração do voo, antecedência da reserva, entre outras).

• Pré-processamento: As variáveis foram tratadas para atender aos requisitos dos modelos de machine learning, incluindo normalização de variáveis numéricas e codificação de variáveis categóricas utilizando o TargetEncoder para modelos baseados em árvores e OneHotEncoder para a Regressão Ridge.

• Modelos: Foram testados três modelos baseados em árvores de decisão — XGBoost, LightGBM, e CatBoost — e um modelo linear, Regressão Ridge. Cada modelo foi avaliado com um pipeline de pré-processamento e validado por meio de métricas como MAE, MSE, RMSE e MAPE.

Resultados

Para avaliar a precisão dos modelos na previsão dos preços de passagens aéreas, utilizamos a métrica Mean Absolute Percentage Error (MAPE) como critério principal. O MAPE mede o erro percentual médio das previsões em relação aos valores reais, oferecendo uma perspectiva relativa que facilita a interpretação e comparação de desempenho entre modelos, independentemente da unidade monetária.

A escolha do MAPE como métrica principal se justifica por sua interpretação intuitiva e aplicabilidade em cenários de precificação. Como o MAPE é expresso em termos percentuais, ele fornece uma estimativa direta do erro médio em relação ao valor real, o que permite interpretar a precisão do modelo de forma acessível. Nesse contexto, onde o preço das passagens é apresentado em Rupias Indianas (INR), uma unidade que pode não ser familiar para todos os usuários, o MAPE facilita a avaliação do desempenho do modelo sem exigir uma compreensão aprofundada dos valores monetários específicos.

• Modelo Destacado: O XGBoost obteve o melhor desempenho com um MAPE de 14,39%, apresentando estabilidade e consistência nas previsões, o que o torna o modelo mais indicado para precificação de passagens aéreas.

• Outros Modelos: LightGBM e CatBoost também apresentaram bons desempenhos, enquanto a Regressão Ridge teve o pior resultado, com um MAPE de 42,70%, sugerindo uma limitação na captura das relações não-lineares dos dados.

Conclusão

O XGBoost foi selecionado como o modelo mais adequado devido ao seu baixo MAPE e robustez nas previsões. Para aprimorar o modelo, sugerem-se futuras melhorias, como a inclusão de novas variáveis e ajustes de hiperparâmetros. Este projeto demonstra o potencial do aprendizado de máquina para auxiliar na precificação dinâmica no setor aéreo.

Referências

• Hastie, T., Tibshirani, R., Friedman, J. H., & Friedman, J. H. (2009). The elements of statistical learning: data mining, inference, and prediction. Springer.
• Hyndman, R. (2018). Forecasting: principles and practice. OTexts.
• James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning. Springer.
• Larose, D. T. (2015). Data mining and predictive analytics. John Wiley & Sons.
• Prokhorenkova, L., et al. (2018). Catboost: unbiased boosting with categorical features. Advances in Neural Information Processing Systems.