O presente trabalho aborda a utilização de técnicas de aprendizado de máquina para prever a inflação agregada a partir de dados desagregados de preços de diferentes categorias. São utilizados dados de séries temporais de preços de bens e serviços, bem como dados macroeconômicos relevantes, para construir o modelo de previsão. O modelo é construído usando uma variedade de algoritmos de aprendizado de máquina, incluindo modelos de regularização, árvores de decisão e máquinas de vetor de suporte (SVM). Os resultados indicam que o modelo proposto apresenta desempenho superior aos modelos de previsão adotados como benchmark neste estudo. Além disso, o estudo mostra que o desempenho do modelo é aprimorado quando os dados desagregados são incluídos no modelo.
