Proyecto final del curso de simulación, donde se planea predecir el precio de venta de viviendas teniendo en cuenta las caracterısticas esenciales que elevan el valorcomercial y la aceptacion de una poblacion especıfica. (tamano de lote, zonificacion, etc).
- Para ejecutarlo solo se requieren tener en su entorno los datasets que se encuentran al inicio de este notebook.
- Train.csv: Sirve como dataset de entrenamiento y validación.
- Test.csv: Dataset con datos reales de prueba.
- Pre Análisis
- Matriz de correlación
- Descubrimientos
- Scatter plots
- Valores Faltantes
- Valores atípicos y sesgos
- Validación - Modelos de predicción
En este punto es importante no ejecutar las instrucciones para encontrar los mejores paramétros, puesto que ya se realizó y con fines evaluativos consumiría mucho tiempo de ejecución.
- Regresión lineal múltiple
- KNN
- Random Forest
- SVR
- Kernel RBF
- Kernel Linear
- Redes neuronales artificiales (MLP)
Al finalizar estos procesos, se tiene la posibilidad de realizar la predicción con el dataset test proporcionado por Kaggle.com, el cual tiene como nombre X_testReal
- Conclusiones de validación
- Selección de características
- Extracción de características