Modelo de Aprendizaje Automático para la Predicción de Precios de Vivienda en la Ciudad de Bogotá

Resumen

 Como cualquier otro mercado, el sector inmobiliario atiende a las diná
micas de la oferta y la demanda, las cuales varían según factores propios
 de la vivienda. Con base a lo anterior, se ha identificado una necesidad
 de información en cuanto a precios, relativa a las dinámicas del merca
do inmobiliario, para la cual se pretende desarrollar herramientas que le
 permitan tanto a agentes inmobiliarios, compradores, vendedores, cons
tructores y demás participantes del sector, optimizar sus procesos de de
cisión de cara a la alternativa que más se ajusta a los intereses de cada
 uno de ellos. En este documento se desarrolla un modelo de Machine
 Learning que permite predecir los precios de vivienda en la ciudad de
 Bogotá, lo cual facilita la toma de decisiones en cuanto a la compra de
 vivienda usada y a su vez, pretende ser una herramienta que las empre
sas o personas involucradas en el sector inmobiliario, implementen para
 auspiciar el valor comercial de un bien en determinada zona. De esta
 manera, el modelo permitirá que el valor de un bien tenga argumentos
 válidos y no simples especulaciones a la hora de tomar decisiones de
 cara a compra y venta de inmuebles. Mediante la técnica del raspado de
 web se obtienen los datos (directamente de la página web fuente), con
 los cuales se realiza un análisis de cada una de las variables. A partir de
 lo anterior, se construye el modelo Machine Learning que más se ajusta
 al estudio, este caso fue un modelo Light Gradiente Boosting, el cual
 fue sometido a entrenamiento y testeo, dando como resultado un error
 (MAPE) del 15.58%.