Avaliação de modelos de machine learning para a previsão do preço da saca de soja

Abstract

Com a relevância do agronegócio e o notável aumento na produção de soja no Brasil, os agricultores têm buscado formas de aperfeiçoar suas estratégias de lucratividade, tanto dentro quanto fora do campo. Este desafio envolve uma série de variáveis complexas, incluindo a volatilidade dos preços das commodities, que representa um obstáculo significativo na comercialização. Uma corrente tendência para enfrentar essa questão é o uso da capacidade de aprendizado das máquinas para auxiliar na tomada de decisão. Com isso, o presente projeto tem como objetivo desenvolver modelos de Machine Learning, visando a avaliação da capacidade de cada modelo na previsão do preço da saca de soja. Isso é feito através da seleção de features mais influentes na formação do preço e a partição do objeto de estudo para a realização da validação cruzada dos dados, utilizando o valor do Coeficiente de Determinação (R²) como parâmetro de performance dos algoritmos. Com os resultados de performance do modelo Linear Regression com R² de 0.9 nas partições de treinamento e validação realizados, a pesquisa conclui que é possível a utilização de modelos de Machine Learning para a previsão do preço da saca de soja. No entanto, é importante ressaltar que o preço depende de inúmeras variáveis interconectadas, tornando-o altamente complexo. Portanto, embora modelos de Machine Learning sejam úteis para previsões, a pesquisa enfatiza que o algoritmo não deve ser utilizado isoladamente na tomada de decisões relacionadas à idealização do preço da soja, considerando outras informações e análises contextuais para uma abordagem mais precisa.