SkyPrice, la plataforma de estimación de precios de departamentos en la Ciudad de México

Paseo de la Reforma, Ciudad de México

¿Qué es SkyPrice?

SkyPrice es una plataforma diseñada para analizar y estimar los precios de propiedades en la Ciudad de México, basándose en un detallado conjunto de datos locales. Utilizando técnicas de aprendizaje automático como Random Forest, Máquina de Vectores de Soporte (SVM) y Redes Neuronales, ofrece estimaciones precisas del valor de mercado de departamentos según sus características específicas. Adicionalmente, cuenta con una API pública que facilita la integración de sus funcionalidades en otras aplicaciones, ampliando así su aplicabilidad y alcance.

Datos

Para el entrenamiento de los modelos se utilizaron conjuntos de datos obtenidos de plataformas de venta de propiedades en la Ciudad de México. Los datos fueron preprocesados y limpiados para obtener un conjunto de datos homogéneo y sin valores nulos.

Los datos se dividieron en dos conjuntos: uno de entrenamiento y otro de prueba. El conjunto de entrenamiento se utilizó para entrenar los modelos, mientras que el conjunto de prueba se utilizó para evaluar el desempeño de los modelos.

Vista aérea de la Ciudad de México

Foto de Andrea Leopardi en Unsplash

Datos "limpios"

7280 registros

Esto equivale al 100.00% ddel total de datos disponibles (7280 registros).

Datos de entrenamiento

5460 registros

Esto equivale al 75.00% de los datos (entrenamiento y prueba).

Datos de prueba

1820 registros

Esto equivale al 25.00% de los datos (entrenamiento y prueba).

Mapa interactivo

Los datos pueden consultarse en un mapa interactivo utilizando Kepler.gl para visualizar la ubicación de las propiedades utilizadas para el entrenamiento de los modelos de predicción de precios. Se incluye el dataset completo y cuatro capas predefinidas con visualizaciones geoespaciales relevantes: Ubicación de propiedades, Mapa de calor de precios, Distribución de precios por km² y Clústeres de precios.

¡Explora el mapa!

Modelos

Ahora hablaremos de los algoritmos de aprendizaje automático que utiliza SkyPrice. Aquí, se presentan estadísticas de cada modelo utilizado para la estimación de precios de departamentos en la Ciudad de México. Los modelos, que incluyen Random Forest, SVM y Redes Neuronales, han sido meticulosamente configurados y entrenados con una variedad de hiperparámetros para optimizar su rendimiento en la predicción de precios.

Esta sección desglosa los resultados obtenidos, incluyendo el Error Absoluto Medio (MAE), el coeficiente de determinación (r²) coeficiente de determinación y el Error Cuadrático Medio (MSAE), junto con gráficas de ajuste que comparan las predicciones con los datos de entrenamiento, proporcionando una visión clara de la eficacia y la precisión de cada modelo.

Parque <i>La Mexicana</i>, Santa Fe, Ciudad de México

Parque La Mexicana, Santa Fe, Ciudad de México

Foto de Oscar Reygo en Unsplash

Random Forest

Random Forest es un modelo compuesto por múltiples árboles de decisión y es efectivo para prevenir el sobreajuste. Con un RMSE de 0.50 y un coeficiente R2 del 64.73%, este modelo destaca por su precisión predictiva. Se configuró con 1000 árboles y una profundidad máxima de null. La puntuación OOB indica su desempeño sin validación cruzada adicional.

Aprender más...

Máquina de Vectores de Soporte

El SVM utiliza un kernel rbf para manejar relaciones no lineales. Con un valor de R2 de -8.51%, el modelo se ha configurado con un parámetro C de 1 y un epsilon de 0.2, ajustando el margen de error y la frontera de decisión.

Aprender más...

Red Neuronal

La Red Neuronal utiliza un ritmo de aprendizaje de 0.00100 y parámetros beta1 y beta2 ajustados a 0.90 y 1.00. El RMSE alcanzado es de 0.50, evidenciando su capacidad predictiva en la estimación de precios.

Aprender más...

Gráficas de ajuste

Comparación de modelos

Comparación de los resultados de cada modelo para cada métrica de evaluación: Coeficiente de determinación (R²), Error Absoluto Medio (MAE), Raíz del Error Cuadrático Medio (RMSE) y Error Cuadrático Medio (MSE).

API Pública de SkyPrice

¿Te gustaría utilizar nuestra API para obtener estimaciones de precios de departamentos en la Ciudad de México? Visita nuestra documentación para conocer los endpoints disponibles y cómo utilizarlos.

Swagger UI

Swagger UI es una herramienta que permite visualizar y probar los endpoints de una API de manera interactiva.

ReDoc

ReDoc es una herramienta de documentación de APIs para visualizar la documentación de una API.

Créditos

Este proyecto fue desarrollado por Humberto Alejandro Ortega Alcocer como parte de su Trabajo Terminal 2024-A053 con el título de "Plataforma de estimación de precios de mercado de departamentos en la Ciudad de México" asesorado por el Mtro. en C. Ariel López Rojas en la Escuela Superior de Cómputo del Instituto Politécnico Nacional en la Ciudad de México para obtener el título de Ingeniero en Sistemas Computacionales.