Biblioteca Univ. Surcolombiana

Your cart is empty.
 
Normal view MARC view ISBD view

Modelo de machine learning para la estimación del valor comercial de un inmueble en la ciudad de Neiva / Francisco Javier Imbachi Rivas, Anderson Arley Ramírez Charry; Asesor de Tesis Diego Gerardo Roldán Jiménez

By: Imbachi Rivas, Francisco Javier [autor].
Contributor(s): Ramírez Charry, Anderson Arley [autor] | Roldán Jiménez, Diego Gerardo [Asesor de tesis].
Neiva: Universidad Surcolombiana, 2023Description: 1 CD-ROM (70 páginas); grabaciones en disco; 12 cm.Content type: texto Media type: computadora Carrier type: disco de la computadoraSubject(s): Matemática Aplicada -- Modelo de Machine LearningDDC classification: Th MA 020
Contents:
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
Dissertation note: Tesis Matemático Universidad Surcolombiana.Facultad de Ciencias Exactas y Naturales. Programa de Matemáticas Aplicadas. 2023 Summary: " 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. "
Tags from this library: No tags from this library for this title. Log in to add tags.
    average rating: 0.0 (0 votes)
Item type Current location Collection Call number Copy number Status Date due Barcode Item holds
e-Tesis e-Tesis Biblioteca Central
Tesis y Trabajos de Grado Th MA 020 (Browse shelf) Ej.1 Available 900000026592
e-Tesis e-Tesis Biblioteca Central
Tesis y Trabajos de Grado Th MA 020 (Browse shelf) Ej.2 Available 900000026593
Total holds: 0

Tesis Matemático Universidad Surcolombiana.Facultad de Ciencias Exactas y Naturales. Programa de Matemáticas Aplicadas. 2023

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

" 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. "

There are no comments for this item.

Log in to your account to post a comment.

Powered by Koha