Modelo de machine learning para la estimación del valor comercial de un inmueble en la ciudad de Neiva / (Record no. 49091)
[ view plain ]
000 -CABECERA | |
---|---|
campo de control de longitud fija | nam a22 7a 4500 |
005 - FECHA Y HORA DE ACTUALIZACIÓN | |
005 | 20240322101012.0 |
008 - LONGITUD FIJA | |
campo de control de longitud fija | 240306e2023 ck |||fsm||| 00| 0 spa d |
040 ## - FUENTE DE CATALOGACIÓN | |
Centro catalogador/agencia de origen | CO-NeUS |
Lengua de catalogación | español |
Normas de descripción | rda |
041 ## - IDIOMA | |
Código de lengua del texto/banda sonora o título independiente | español |
100 1# - AUTOR PERSONAL | |
9 (RLIN) | 157205 |
nombre | Imbachi Rivas, Francisco Javier |
relación | autor |
245 10 - TÍTULO PROPIAMENTE DICHO | |
título | Modelo de machine learning para la estimación del valor comercial de un inmueble en la ciudad de Neiva / |
Mención de responsabilidad, etc. | Francisco Javier Imbachi Rivas, Anderson Arley Ramírez Charry; Asesor de Tesis Diego Gerardo Roldán Jiménez |
256 ## - CARACTERÍSTICAS DEL ARCHIVO DE ORDENADOR | |
Características del archivo de computador | Datos electrónicos (1 archivos:2543 MG) |
264 1# - PIE DE IMPRENTA | |
lugar (ciudad) | Neiva: |
editorial | Universidad Surcolombiana, |
fecha | 2023 |
300 ## - DESCRIPCIÓN FÍSICA | |
Extensión | 1 CD-ROM (70 páginas); |
Ilustraciones | grabaciones en disco; |
Dimensiones | 12 cm |
336 ## - TIPO DE CONTENIDO | |
Content type term | texto |
337 ## - MEDIACIÓN | |
RDA | rdamedia |
Content type term | computadora |
338 ## - PORTADOR | |
RDA | rdacarrier |
Content type term | disco de la computadora |
Portador | cd |
347 ## - Características del archivo digital (R) | |
RDA | rda |
502 ## - NOTA DE TESIS | |
Nota de tesis | Tesis |
título otorgado | Matemático |
Institución | Universidad Surcolombiana.Facultad de Ciencias Exactas y Naturales. Programa de Matemáticas Aplicadas. |
año | 2023 |
505 ## - NOTA DE CONTENIDO | |
Nota de contenido | Introducción -- Planteamiento del problema, pregunta de investigación -- Estado del arte -- Marco teórico, inmueble como bien de raíz, avalúo como herramienta tradicional, avalúo comercial, mercado inmobiliario en Colombia, web scraping, machine learning ("aprendizaje automático"), aprendizaje supervisado, matemáticas, métricas de desempeño, marco legal -- Objetivos, objetivo general, objetivos específicos -- Metodología, recolección y extracción de los datos, transformación de los datos, análisis de datos, desarrollo de modelos preliminares, elegir el modelo -- Análisis e interpretaciones de resultados, data frame, análisis de datos, desarrollo de modelos preliminares, elección del modelo -- Conclusiones y recomendaciones |
520 ## - RESUMEN | |
Resumen | " El objetivo principal de este trabajo de grado es ajustar un modelo de machine learning para así determinar el valor comercial de los inmuebles, a partir de su ubicación geográfica en Neiva y características principales tales como: tipo de inmueble, área, estrato, piso, habitaciones, parqueaderos, baños, antigüedad, etc. Dicha información es obtenida y analizada por medio de la técnica de Web Scraping, a partir de datos del mercado y ofertas de inmuebles similares, que se encuentran en las diferentes plataformas de ventas de inmuebles en Neiva. mediana y macroempresa se observaron pequeñas diferencias en el ajuste de ambos enfoques. Finalmente, se tiene que el enfoque bayesiano genera mejores resultados y además, se observó que los ingresos de las empresas en Colombia reportaron un decaimiento en el año 2020 frente al año 2019. Es decir, que la pandemia si afecto significativamente a las empresas colombiana y especialmente a las microempresas y pequeñas empresas. Por tal motivo, en este proyecto se implementó las técnicas de Machine Learning (Random Forest, XGBoost y Redes Neuronales) con el cual se puede determinar el valor de los inmuebles en la ciudad de Neiva. De esta manera, se concluyó que el mejor modelo para la predicción del valor comercial de un inmueble en la ciudad de Neiva es el de random forest, al presentar valores óptimos en las métricas de desempeño. " |
700 1# - COAUTOR PERSONAL | |
9 (RLIN) | 157206 |
Nombre de persona | Ramírez Charry, Anderson Arley |
Término indicativo de función/relación | autor |
700 1# - COAUTOR PERSONAL | |
9 (RLIN) | 157207 |
Nombre de persona | Roldán Jiménez, Diego Gerardo |
Término indicativo de función/relación | Asesor de tesis |
082 04 - CLASIFICACIÓN DECIMAL DEWEY | |
edición | 21 |
Clasificación | Th MA 020 |
650 #0 - MATERIA GENERAL | |
9 (RLIN) | 157221 |
Término de materia o nombre geográfico como elemento inicial | Matemática Aplicada |
Subdivisión general | Modelo de Machine Learning |
942 ## - PUNTO DE ACCESO ADICIONAL KOHA | |
Fuente del sistema de clasificación o colocación | |
Tipo de ítem Koha | e-Tesis |
Parte de la signatura que corresponde a la clasificación (Parte de la clasificación) | Th MA 020 |
Prefijo de la signatura | Th |
Ocultar en el OPAC | Perdido | Esquema de clasificación | No circula | Colección | Sede propietaria | Localización actual | Adquirido | Signatura topográfica | Código de barras | Visto por última vez | Ejemplar | Tipo de ítem |
---|---|---|---|---|---|---|---|---|---|---|---|---|
En Colección | Tesis y Trabajos de Grado | Biblioteca Central | Biblioteca Central | 2024-03-06 | Th MA 020 | 900000026592 | 2024-03-06 | Ej.1 | e-Tesis | |||
En Colección | Tesis y Trabajos de Grado | Biblioteca Central | Biblioteca Central | 2024-03-06 | Th MA 020 | 900000026593 | 2024-03-06 | Ej.2 | e-Tesis |