Maestría en Ciencias de los Datos y Analítica · 2024
Predicción de precios del sector inmobiliario en zonas costeras del Atlántico en EE.UU., mediante el uso de técnicas de Machine Learning
The real estate sector is fundamental to economies, representing a significant percentage of GDP in the economies of developed and emerging countries. This market involves key players such as investors, buyers, financial entities and government institutions, who require accurate forecasts on real estate median prices to adjust strategies, policies and make informed decisions. In recent years, methodologies have been proposed to estimate the price of real estate in central urban cities, using variables associated with the property description and geographic location. In this paper we propose a methodology to predict the median price of real estate in Atlantic coastal areas in the U.S., using variables related to both the property and its environment and the application of Machine Learning and Deep Learning techniques. It is expected to obtain the prediction of the price of real estate for Atlantic coastal areas in the U.S., for which this valuation is not usually obtained in a public and reliable way.
Texto completo 69 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- INTRODUCCIÓNp. 9
- PLANTEAMIENTO DEL PROBLEMAp. 10
- JUSTIFICACIÓNp. 12
- OBJETIVOSp. 13
- OBJETIVO GENERALp. 13
- OBJETIVOS ESPECÍFICOSp. 13
- ESTADO DEL ARTE Y MARCO TEÓRICOp. 14
- ESTADO DEL ARTEp. 14
- MARCO TEÓRICOp. 17
- K-nearest neighborsp. 17
- Random Forestp. 17
- Gradient Boostingp. 18
- AdaBoostp. 18
- Extreme Gradient Boosting (XGBoost)p. 18
- Artificial Neural Networks (ANN)p. 18
- METODOLOGÍAp. 20
- DESARROLLO DEL TRABAJOp. 22
- CONJUNTO DE DATOS SELECCIONADOSp. 22
- ENTENDIMIENTO Y ANÁLISIS DE LOS DATOSp. 24
- SELECCIÓN DE CARACTERÍSTICASp. 25
- MODELACIÓN Y OPTIMIZACIÓN DE HIPERPARÁMETROSp. 26
- ELECCIÓN MEJOR MODELOp. 29
- RESULTADOSp. 30
- ENTENDIMIENTO Y ANÁLISIS DE LOS DATOSp. 24
- Análisis descriptivop. 30
- Eliminación de datos atípicosp. 36
- Análisis de Componentes Principales (PCA)p. 38
- Análisis de correlacionesp. 40
- Análisis de dependencias lineales y multicolinealidadp. 43
- SELECCIÓN DE CARACTERÍSTICASp. 25
- Usando correlación tradicionalp. 45
- Usando índice de correlación múltiplep. 45
- Usando forwardp. 46
- Usando backwardp. 46
- Usando Lasso Regressionp. 47
- Usando Random Forestp. 47
- Conjunto de variables seleccionadasp. 48
- MODELACIÓN Y OPTIMIZACIÓN DE HIPERPARÁMETROSp. 26
- Regresión lineal multiplep. 50
- Modelos con parámetros por defectop. 51
- Modelos y optimización de hiperparámetros usando RandomizedSearchCVp. 51
- Modelos y optimización de hiperparámetros usando GridSearchCVp. 53
- ELECCIÓN DEL MEJOR MODELOp. 54
- CONCLUSIONESp. 58
- REFERENCIASp. 60
- ANEXOSp. 63
- Figura 1. Cantidad de condados por estadop. 31
- Figura 2. Boxplot Median_Pricep. 32
- Figura 3. Boxplot Median_Price por Statep. 32
- Figura 4. Evolución Median_Price a lo largo del tiempo, por estado y en promediop. 33
- Figura 5. Distribución de las medianas de los precios medios por los estados analizadosp. 34
- Figura 7. Top 10 condados con mayor MedianPricep. 35
- Figura 8. Boxplot Median_Price, luego de eliminar outliersp. 37
- Figura 9. Boxplot Median_Price por State, luego de eliminar outliersp. 37
- Figura 10. PCAp. 38
- Figura 11. Cargas de las Variables por Componente Principalp. 39
- Figura 12. Variabilidad Explicada por los Componentes del PCAp. 40
- Figura 13. Mapa correlación Pearsonp. 41
- Figura 14. Correlación Pearson MedianPricep. 42
- Figura 15. Correlación Spearman MedianPricep. 42
- Figura 16. Correlación Pearson MedianPrice - Conjunto finalp. 50
- Figura 17. Valores reales vs Valores de la predicción de Median_Pricep. 55
- Figura 18. Residuales en la predicción de Median_Pricep. 55
- Figura 19. Importancia de las variables usadas en la predicción de Median_Pricep. 57
- Tabla 1. Variables del conjunto de datos originalp. 23
- Tabla 2. Cantidad de datos por estadop. 23
- Tabla 3. Tipos de datos de las variablesp. 31
- Tabla 4. Distribución Median_Price por Estadop. 34
- Tabla 5. Condados-Estado con mayor MedianPricep. 36
- Tabla 6. Cantidad de datos por estado - luego de eliminar outliersp. 36
- Tabla 7. Distribución Median Price por Estado, luego de eliminar outliersp. 38
- Tabla 8. Valores R2 y VIF para dependencias lineales - Variables Originalesp. 43
- Tabla 9. Correlacion Pearson Variables Income con PerCapita_incomep. 44
- Tabla 10. Correlacion Pearson Variables housing con Housing_unitsp. 44
- Tabla 11. Valores R2 y VIF - Variables seleccionadasp. 48
- Tabla 12. Coeficientes y p-values regresión lineal - Variables seleccionadasp. 49
- Tabla 13. Métricas evaluación - Regresión lineal multiplep. 50
- Tabla 14. Métricas evaluación - Modelos con parámetros por defectop. 51
- RandomizedSearchCVp. 51
- Tabla 17. Coeficientes y p-values regresión - modelo finalp. 56
- Tabla 18. Valores R2 y VIF - selección usando corrp. 63
- Tabla 19. Coeficients y p-values regresión lineal - variables seleccionadas usando corrp. 64
- Tabla 20. Valores R2 y VIF - selección usando indice de correlación múltiplep. 64
- Tabla 21. Coeficientes y p-values regresión lineal - variables seleccionadas usando vifp. 64
- Tabla 22. Valores R2 y VIF - selección usando forwardp. 65
- Tabla 23. Coeficientes y p-values regresión lineal - variables seleccionadas usando forwardp. 66
- Tabla 24. Valores R2 y VIF - selección usando backwardp. 66
- Tabla 25. Coeficientes y p-values regresión lineal - variables seleccionadas usando backwardp. 67
- Tabla 26. Valores R2 y VIF - selección usando Lasso Regressionp. 67
- Regressionp. 68
- Tabla 28. Valores R2 y VIF - selección usando Random Forestp. 68
- Ecuación 1. Root Mean Squared Error (RMSE)p. 21
- Ecuación 2. R2p. 21