Giter Club home page Giter Club logo

clasificacion_en_el_mercado_inmobiliario's Introduction

Descripción del Proyecto: Análisis y Clasificación en el Mercado Inmobiliario 🏡💼

En el contexto del mercado inmobiliario colombiano, caracterizado por la constante variación de precios y el desafío de valorizar las propiedades de manera precisa, este proyecto se centra en implementar un modelo de clasificación para una importante empresa inversora. El objetivo principal es predecir la categorización de propiedades en venta, clasificándolas como "baratas" o "caras" según el criterio del valor promedio de los precios (la media), utilizando datos correspondientes al año 2020.

Desafío del Mercado Inmobiliario 🌐📈

Los cambios constantes en los precios de los inmuebles, influenciados por las tendencias del mercado, hacen que estimar el valor de una propiedad sea una tarea compleja. En este proyecto, nos enfrentamos a la tarea de abordar esta problemática mediante la implementación de un modelo de regresión logística binaria.

Pasos Realizados 🛠️

  1. Exploración de Datos: Se realizó una exploración exhaustiva de los datos proporcionados, analizando variables clave y comprendiendo la estructura del conjunto de datos.

  2. Preprocesamiento de Datos: Para preparar los datos para el modelo de regresión logística binaria, se realizaron las siguientes acciones:

    • Conversión de variables categóricas en variables dummy para el tipo de propiedad y tipo de moneda.
    • Escalado de columnas numéricas (latitud, longitud, fechas, número de baños) para que el modelo las interprete correctamente.

    Archivos resultantes:

    • Exploring-the-data_test
    • Exploring-the-data_train
  3. Predicción con Diferentes Métodos de Escalado: Se llevó a cabo la predicción utilizando diversos métodos de preprocesamiento, como StandardScaler, MinMaxScaler, MaxAbsScaler, y RobustScaler. Los resultados se encuentran en la carpeta jupyter_nt.

  4. Guardado de Predicciones: Las predicciones se guardaron en un archivo CSV con una sola columna que indica la clasificación (0 para "barato", 1 para "caro").

Evaluación de Métodos de Escalado 📊

Tipo de Escalado Precisión en el Test- Test_Accuracy
StandardScaler 70.96%
MinMaxScaler 70.55%
MaxAbsScaler 70.91%
RobustScaler 70.50%

Contribución del Modelo 🚀

Este proyecto no solo proporcionará a la empresa inversora una herramienta valiosa para evaluar propiedades, sino que también permitirá una comprensión más profunda de las tendencias del mercado inmobiliario colombiano. Con la capacidad de prever la clasificación de propiedades como "baratas" o "caras", se espera que los inversores tomen decisiones más informadas y estratégicas.

¡Unite en este apasionante viaje de análisis y clasificación en el dinámico mercado inmobiliario de Colombia! 👩‍💻🏡

clasificacion_en_el_mercado_inmobiliario's People

Contributors

bparedes21 avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.