Modelo predictivo de precios de alquiler de departamentos en la provincia de Lima usando técnicas de Machine Learning

• Autores: Cacñahuaray Huaraca, Jimmy Christian, Jiménez Novoa, Silvia Mónica
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana Unión
• Repositorio: UPEU-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upeu.edu.pe:20.500.12840/7534
• Enlace del recurso: http://repositorio.upeu.edu.pe/handle/20.500.12840/7534
• Nivel de acceso: acceso embargado
• Materia: Sector inmobiliario de Lima; Estadística descriptiva; http://purl.org/pe-repo/ocde/ford#1.01.03

Este estudio investiga las variaciones y previsibilidad de los precios de alquiler en el sector inmobiliario de Lima. mercado en 2023, utilizando un corpus de 3.675 registros inmobiliarios. A través de estadística descriptiva análisis, se identificaron diferencias significativas en los precios de alquiler entre distritos, lo que refleja disparidad económica y diversidad en las opciones de vivienda. Los modelos de aprendizaje automático fueron implementado para predecir los precios de alquiler seleccionando características de la propiedad como la plaza metraje, número de dormitorios, baños y garajes. Los modelos fueron evaluados en base a su precisión y eficiencia computacional, mostrando una variabilidad significativa. El modelo WeightedEnsemble_L2 se destacó, presentando altos niveles de precisión y un R² indicando una previsibilidad sólida. El análisis de importancia de las características reveló que los pies cuadrados y el número de talleres son los predictores más importantes. Estos hallazgos ofrecen valiosos ideas para las partes interesadas en el mercado inmobiliario y subrayar la eficacia de Métodos de aprendizaje automático en la valoración inmobiliaria.