Este repositorio proporciona modelos de regresión lineal y árboles de regresión entrenados para predecir los precios de las casas basados en características del dataset house_data.xlsx. Además, incluye un análisis descriptivo de los datos y evaluación del rendimiento de los modelos.
Este repositorio tiene como objetivo:
- Implementar y comparar modelos de regresión lineal regularizados y árboles de regresión para predecir los precios de las casas.
- Proporcionar un análisis exploratorio detallado, limpieza de datos, preprocesamiento, selección de modelos y evaluación utilizando un Jupyter Notebook.
El dataset house_data.xlsx contiene características detalladas de casas vendidas recientemente, junto con sus precios.
Las características principales incluyen:
El dataset proporciona información detallada sobre propiedades vendidas, incluyendo las siguientes características principales:
- id: Identificación única de la propiedad
- date: Fecha de venta de la propiedad
- price: Precio de venta de la propiedad
- bedrooms: Número de dormitorios
- bathrooms: Número de baños completos
- sqft_living: Pies cuadrados habitables
- sqft_lot: Pies cuadrados de lote
- floors: Número de pisos en la propiedad
- waterfront: Frente al agua (0 = No, 1 = Sí)
- view: Vistas
- condition: Condición (1 = Pobre, 5 = Excelente)
- grade: Grado (1-13)
- sqft_above: Pies cuadrados sobre el nivel del suelo
- sqft_basement: Pies cuadrados del sótano
- yr_built: Año de construcción
- yr_renovated: Año de renovación
- zipcode: Código postal
- lat: Latitud
- long: Longitud
- sqft_living15: Pies cuadrados habitables 15
- sqft_lot15: Pies cuadrados de lote 15
Este repositorio se centra en:
- Implementación de modelos de regresión lineal con regularización (Ridge, Lasso, Elastic Net).
- Construcción de modelos de árboles de regresión para capturar relaciones complejas.
La predicción de precios de casas ofrece varios beneficios:
- Ayuda en la evaluación precisa del mercado inmobiliario.
- Facilita la toma de decisiones informadas para compradores y vendedores.
- Proporciona una herramienta para estimar el valor de las propiedades basada en características específicas.
Para comenzar con este proyecto:
- Clona este repositorio:
git clone https://github.com/LLAES07/house_data_prediction.git
- Instala las dependencias requeridas:
pip install pandas numpy matplotlib seaborn scikit-learn
¡Se aceptan contribuciones a este repositorio! Si tienes ideas para mejorar, corregir errores, o explorar diferentes aspectos del modelo, no dudes en crear un pull request.