Valoración automática de inmuebles residenciales mediante modelos de Machine Learning
La literatura reciente sobre valoración inmobiliaria ha aportado diversas evidencias en el ámbito internacional sobre el buen desempeño de los modelos de machine learning en la predicción del comportamiento de los precios, sobre todo si se comparan con los obtenidos por los denominados métodos trad...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Facultad de Ciencias Sociales y Jurídicas, Universidad de Jaén
2023-07-01
|
| Series: | Revista de Estudios Empresariales. Segunda Época |
| Subjects: | |
| Online Access: | http://revistaselectronicas.ujaen.es/index.php/REE/article/view/7823 |
| _version_ | 1797772160788332544 |
|---|---|
| author | Francisco Guijarro Martínez |
| author_facet | Francisco Guijarro Martínez |
| author_sort | Francisco Guijarro Martínez |
| collection | DOAJ |
| description |
La literatura reciente sobre valoración inmobiliaria ha aportado diversas evidencias en el ámbito internacional sobre el buen desempeño de los modelos de machine learning en la predicción del comportamiento de los precios, sobre todo si se comparan con los obtenidos por los denominados métodos tradicionales valoración, muy extendidos sobre todo en la práctica profesional. Con todo, se siguen remarcando algunas limitaciones como el diseño de caja negra y la dificultad en la interpretación de los resultados proporcionados por estas técnicas. Este trabajo tiene por objeto comparar los resultados y el desempeño de diferentes modelos de machine learning aplicados en el ámbito de la valoración inmobiliaria residencial. Para ello se ha recopilado una amplia base de datos con ofertas de inmuebles en la ciudad de Madrid, que permite dividir la muestra en los grupos de entrenamiento y test. La comparación entre los modelos se ha llevado a cabo a través de diferentes métricas, entre las que destaca el MAPE (Mean Absolute Percentage Error) por ser uno de los preferidos por las sociedades de tasación. Las métricas utilizadas confirman un buen rendimiento generalizado para el conjunto de modelos entrenados, con variaciones relativamente pequeñas tras el proceso de validación.
|
| first_indexed | 2024-03-12T21:48:00Z |
| format | Article |
| id | doaj.art-2b48edd4b94b454eba62ed31a7358a55 |
| institution | Directory Open Access Journal |
| issn | 1988-9046 |
| language | English |
| last_indexed | 2024-03-12T21:48:00Z |
| publishDate | 2023-07-01 |
| publisher | Facultad de Ciencias Sociales y Jurídicas, Universidad de Jaén |
| record_format | Article |
| series | Revista de Estudios Empresariales. Segunda Época |
| spelling | doaj.art-2b48edd4b94b454eba62ed31a7358a552023-07-26T07:36:42ZengFacultad de Ciencias Sociales y Jurídicas, Universidad de JaénRevista de Estudios Empresariales. Segunda Época1988-90462023-07-012Valoración automática de inmuebles residenciales mediante modelos de Machine LearningFrancisco Guijarro Martínez0Universidad Politécnica de Valencia La literatura reciente sobre valoración inmobiliaria ha aportado diversas evidencias en el ámbito internacional sobre el buen desempeño de los modelos de machine learning en la predicción del comportamiento de los precios, sobre todo si se comparan con los obtenidos por los denominados métodos tradicionales valoración, muy extendidos sobre todo en la práctica profesional. Con todo, se siguen remarcando algunas limitaciones como el diseño de caja negra y la dificultad en la interpretación de los resultados proporcionados por estas técnicas. Este trabajo tiene por objeto comparar los resultados y el desempeño de diferentes modelos de machine learning aplicados en el ámbito de la valoración inmobiliaria residencial. Para ello se ha recopilado una amplia base de datos con ofertas de inmuebles en la ciudad de Madrid, que permite dividir la muestra en los grupos de entrenamiento y test. La comparación entre los modelos se ha llevado a cabo a través de diferentes métricas, entre las que destaca el MAPE (Mean Absolute Percentage Error) por ser uno de los preferidos por las sociedades de tasación. Las métricas utilizadas confirman un buen rendimiento generalizado para el conjunto de modelos entrenados, con variaciones relativamente pequeñas tras el proceso de validación. http://revistaselectronicas.ujaen.es/index.php/REE/article/view/7823valoración inmobiliariamachine learninggradient boosting machine |
| spellingShingle | Francisco Guijarro Martínez Valoración automática de inmuebles residenciales mediante modelos de Machine Learning Revista de Estudios Empresariales. Segunda Época valoración inmobiliaria machine learning gradient boosting machine |
| title | Valoración automática de inmuebles residenciales mediante modelos de Machine Learning |
| title_full | Valoración automática de inmuebles residenciales mediante modelos de Machine Learning |
| title_fullStr | Valoración automática de inmuebles residenciales mediante modelos de Machine Learning |
| title_full_unstemmed | Valoración automática de inmuebles residenciales mediante modelos de Machine Learning |
| title_short | Valoración automática de inmuebles residenciales mediante modelos de Machine Learning |
| title_sort | valoracion automatica de inmuebles residenciales mediante modelos de machine learning |
| topic | valoración inmobiliaria machine learning gradient boosting machine |
| url | http://revistaselectronicas.ujaen.es/index.php/REE/article/view/7823 |
| work_keys_str_mv | AT franciscoguijarromartinez valoracionautomaticadeinmueblesresidencialesmediantemodelosdemachinelearning |