Modelo de predicción del precio de la vivienda en el Valle de San Nicolás

Abstract

RESUMEN : A través del presente documento se busca explorar las mejores técnicas de aprendizaje supervisado para predicción de precios de vivienda para un conjunto de datos de 2.481 registros extraídos del portal fincaraiz.com. Inicialmente se tratarán algunos aspectos como el planteamiento del problema y los objetivos, luego se hará un recorrido a través de las distintas técnicas de aprendizaje supervisado usadas en la actualidad, haciendo énfasis en aspectos clave como la selección de hiperparámetros o la idoneidad de los modelos a la hora de abordar el problema de predicción de precios. Posterior a esto se realizará una revisión del conjunto de datos con el cual se pretende realizar el proceso de modelado, partiendo de las características básicas del dataset y luego ahondando en algunos hallazgos logrados a partir del análisis descriptivo. Una vez se tenga conocimientos sobre el dataset, se procederá a explicar el diseño de las pruebas y las distintas iteraciones realizadas, con el objetivo de que los lectores puedan replicar el proceso experimental 1. Finalmente se hará una explicación de los resultados obtenidos y las implicaciones del uso de modelos basados en técnicas de ensamble y redes neuronales, en contraste con otras técnicas estadísticas como la Regresión Lineal Múltiple y la Regresión Ridge.

ABSTRACT : This document seeks to explore the best supervised learning techniques for house price prediction for a dataset of 2,481 records extracted from the fincaraiz.com portal. Initially, some aspects such as the statement of the problem and the objectives will be treated, then it will be explained the different supervised learning techniques used today, emphasizing key aspects such as the selection of hyperparameters or models suitability when it comes to address the problem of price prediction. After this, a review of the data used for the modeling process will be carried out, starting from the basic characteristics of the dataset and then delving into some findings obtained from the descriptive analysis. Once the dataset is known, we will proceed to explain the design of the tests and the different iterations carried out, with the aim that the readers can replicate the experimental process 2. Finally, an explanation will be made of the results obtained and the implications of the use of models based on assembly techniques and neural networks, in contrast to other statistical techniques such as Multiple Linear Regression and Ridge Regression.