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

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.

• Autores: Soto Hincapié, Robin Andrés; David Rodríguez, Estefanía
• Tipo de recurso: Tesis
• Fecha de publicación: 2021
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/24674
• Acceso en línea: http://hdl.handle.net/10495/24674
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Redes neurales (computadores); Neural networks (Computer science); Aprendizaje supervisado (aprendizaje automático); Supervised learning (Machine learning); Regresión; Árboles de decisión; Gradiente descendente
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/