Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
Reporte de proyecto
Predicción de Precios Inmobiliarios en Bogotá: Un Enfoque Basado en Redes
Neuronales Artificiales
1. Contexto
La dinámica del mercado inmobiliario en Bogotá, Colombia, se caracteriza por
fluctuaciones en los precios y una creciente competencia entre vendedores. La
proliferación de plataformas digitales ha generado una gran cantidad de datos sobre
ofertas inmobiliarias, constituyendo una valiosa fuente de información para
propietarios y agentes de bienes raíces. En este contexto, las redes neuronales
artificiales (RNA) surgen como una solución innovadora para estimar precios de
manera precisa y fundamentada, optimizando la toma de decisiones y promoviendo
la transparencia en el mercado.
Este proyecto tiene como objetivo desarrollar un modelo basado en RNA para
predecir precios inmobiliarios en Bogotá. Dicho modelo permitirá a los propietarios
obtener estimaciones más precisas del valor de sus propiedades, facilitando
decisiones estratégicas y fortaleciendo su posicionamiento en el mercado. La
solución propuesta aborda desafíos clave en la valoración de propiedades, como la
subjetividad en los precios y la especulación, proporcionando una herramienta
analítica que maximiza el retorno de inversión.
Para alcanzar este propósito, el proyecto se estructuró en varias fases, desde la
preparación y análisis de datos, pasando por el diseño y entrenamiento del modelo,
hasta su despliegue mediante una interfaz interactiva para uso en tiempo real. Este
enfoque metódico asegura una solución integral que no solo beneficia a los usuarios
individuales, sino que también contribuye a un mercado más equilibrado y accesible.
2. Metodología
El desarrollo del proyecto se estructuró en una serie de fases diseñadas para
abordar de manera sistemática el problema de predicción de precios inmobiliarios.
Cada etapa se enfocó en un aspecto específico del proceso, desde la preparación
de datos hasta el despliegue del modelo, utilizando técnicas avanzadas de redes
neuronales artificiales.
En la primera fase, se llevó a cabo la recopilación y limpieza de datos mediante
técnicas de web scraping en la página Finca Raíz. Este proceso permitió obtener un
conjunto de datos amplio y relevante que incluía variables como precio, área
construida, número de habitaciones, baños, estrato y tipo de inmueble.
Posteriormente, se aplicaron estrategias de limpieza y codificación, como la
imputación de valores nulos y el uso de técnicas de one-hot encoding para variables
categóricas. Asimismo, se transformó la variable objetivo para reducir sesgos y se
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
realizó un análisis exploratorio de datos (EDA) para comprender las relaciones clave
entre las variables.
El preprocesamiento de los datos incluyó la normalización y escalado de
características numéricas utilizando Min-Max Scaling, asegurando que todas las
variables estuvieran en un rango uniforme para facilitar el entrenamiento del modelo.
Adicionalmente, se identificaron y eliminaron valores atípicos mediante el uso del
rango intercuartílico (IQR), mejorando así la calidad del conjunto de datos final.
En la etapa de diseño, entrenamiento y evaluación del modelo RNA, se desarrolló
una arquitectura compuesta por capas densas, regularización L2, funciones de
activación ReLU y optimización con el algoritmo Adam. Estas configuraciones
garantizaron un entrenamiento estable y un modelo capaz de generalizar sobre
nuevos datos. Durante esta fase, se implementaron técnicas como dropout y
callbacks, incluyendo early stopping y learning rate scheduler, para optimizar el
rendimiento del modelo y prevenir el sobreajuste. El modelo fue evaluado utilizando
métricas como el Error Absoluto Medio (MAE) y el coeficiente de determinación
(R^2), logrando un equilibrio entre precisión y capacidad de generalización.
Finalmente, el modelo fue desplegado en una interfaz interactiva desarrollada con
Gradio. Esta herramienta permite a los usuarios ingresar características de un
inmueble y obtener una predicción del precio estimado en tiempo real. La interfaz
fue diseñada para ser intuitiva y accesible, asegurando su utilidad para propietarios
y agentes de bienes raíces.
Este enfoque metódico permitió no solo desarrollar un modelo preciso y robusto,
sino también ofrecer una solución integral que abarca desde la recolección de datos
hasta su aplicación práctica en el mercado inmobiliario.
3. Preparación de los Datos y Análisis Exploratorio
La primera fase del proyecto se centró en la preparación y análisis de un conjunto
de datos obtenido mediante técnicas de web scraping de la página Finca Raíz. Este
dataset, representativo del mercado inmobiliario de Bogotá, contenía más de
200,000 registros con variables relevantes como precio, área construida, número de
habitaciones, número de baños, estrato, antigüedad y tipo de inmueble. El objetivo
de esta fase fue garantizar la calidad y consistencia de los datos para maximizar la
eficacia del modelo de predicción.
Se inició con un exhaustivo proceso de limpieza que incluyó la identificación y
manejo de valores nulos. Variables como "parqueaderos" y "pisos interiores" fueron
imputadas con valores predeterminados, mientras que otras como "estrato" y "área
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
construida", consideradas críticas para el análisis, se verificaron para asegurar la
integridad de los datos. Para las variables categóricas, como "tipo de inmueble", se
utilizó la técnica de one-hot encoding, lo que permitió representar estas categorías
de manera eficiente en el modelo.
El análisis exploratorio de datos (EDA) proporcionó información clave sobre las
relaciones entre las variables y su impacto en el precio de los inmuebles. Este
análisis incluyó visualizaciones como histogramas, boxplots y una matriz de
correlación, que revelaron tendencias significativas y ayudaron a seleccionar las
características más relevantes. La transformación logarítmica aplicada a la variable
objetivo "valor" fue fundamental para reducir su sesgo inicial, mejorando la
estabilidad del modelo durante el entrenamiento.
Además, se abordaron valores atípicos mediante el rango intercuartílico (IQR),
eliminando registros con desviaciones extremas para garantizar que el modelo se
centrara en patrones representativos del mercado. Una vez completada esta etapa,
el conjunto de datos final se encontraba listo para el preprocesamiento y el diseño
del modelo, con variables limpias, escaladas y transformadas de manera adecuada.
Para ilustrar el resultado del proceso de limpieza, se generaron visualizaciones
clave.
Esta gráfica muestra la distribución de las variables más importantes del conjunto de
datos después de aplicar las técnicas de limpieza y eliminación de outliers. Permite
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
observar cómo la mayoría de las variables presentan una distribución consistente,
con una reducción significativa de valores extremos.
Representa la distribución inicial de la variable objetivo antes de aplicar la
transformación logarítmica. La gráfica revela una alta dispersión, característica de
datos de precios en mercados inmobiliarios.
Muestra la distribución de la variable objetivo después de aplicar la transformación
logarítmica. La transformación logra reducir el sesgo de la distribución, haciéndola
más homogénea y adecuada para el entrenamiento del modelo.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
Esta matriz resalta las relaciones entre las diferentes variables numéricas del
dataset, identificando las correlaciones más significativas con la variable objetivo
"valor". Ayuda a seleccionar las características más relevantes para el modelo.
Esta gráfica explora cómo las diferentes categorías de antigüedad de los inmuebles
están relacionadas con los valores de las propiedades. Se observa una tendencia
en la que los inmuebles más antiguos tienden a tener precios más bajos, aunque
con algunas excepciones.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
Estas visualizaciones no solo demuestran la efectividad de las técnicas de limpieza
y preprocesamiento, sino que también proporcionan información clave sobre los
patrones presentes en los datos, lo cual fue fundamental para la construcción del
modelo de predicción.
4. Preprocesamiento
El preprocesamiento de los datos fue una etapa fundamental para garantizar que el
modelo de redes neuronales pudiera aprender de manera eficiente y precisa. Este
proceso se centró en transformar las características del conjunto de datos a un
formato uniforme y escalado, optimizando la calidad de la información y facilitando el
entrenamiento del modelo.
Para las características numéricas, se utilizó la técnica de Min-Max Scaling, que
normalizó los valores al rango de 0 a 1. Esta normalización aseguró que todas las
variables tuvieran una escala uniforme, evitando que características con valores
más altos, como el área construida o el precio de administración, dominaran las
actualizaciones de los pesos durante el aprendizaje. Entre las variables
transformadas se incluyeron "estrato", "parqueaderos", "pisos interiores", "baños",
"área construida", "área privada", "antigüedad", "habitaciones", "tipo de inmueble".
En paralelo, las variables categóricas fueron procesadas mediante técnicas de
codificación, como el one-hot encoding. Esta metodología transformó la variable
"tipo de inmueble" en representaciones binarias que identificaban si un inmueble era
una casa o un apartamento. Este enfoque permitió al modelo interpretar categorías
de manera eficiente y sin introducir sesgos artificiales en la representación
numérica.
La variable objetivo "valor" también fue transformada aplicando el logaritmo natural.
Este paso fue crucial para estabilizar su distribución, que originalmente presentaba
alta dispersión debido a la presencia de inmuebles de lujo con precios
significativamente más altos. La transformación logarítmica redujo el impacto de
estos valores extremos, mejorando la capacidad del modelo para generalizar en
diferentes rangos de precios.
Finalmente, el conjunto de datos fue dividido en subconjuntos de entrenamiento,
validación y prueba, con proporciones del 70%, 15% y 15%, respectivamente. Este
procedimiento garantizó que el modelo fuera evaluado de manera imparcial y
objetiva en datos no observados previamente. Para asegurar la consistencia, las
mismas técnicas de escalado y codificación aplicadas al conjunto de entrenamiento
se replicaron en los datos de validación y prueba.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
El resultado de esta etapa fue un conjunto de datos estructurado, transformado y
listo para alimentar el modelo de redes neuronales. Cada paso en el
preprocesamiento contribuyó a minimizar errores, mejorar la estabilidad del
aprendizaje y garantizar que el modelo se centrara en patrones significativos,
maximizando la precisión de las predicciones generadas en las etapas posteriores.
5. Diseño, Entrenamiento y Evaluación del Modelo RNA
El diseño y entrenamiento del modelo de redes neuronales artificiales (RNA) se
enfocó en desarrollar una arquitectura robusta que pudiera capturar patrones
complejos en los datos y ofrecer predicciones precisas para los precios de
inmuebles en Bogotá. La estructura del modelo fue cuidadosamente diseñada para
manejar las relaciones no lineales entre las características de entrada y la variable
objetivo.
La arquitectura del modelo incluyó varias capas densas intercaladas con técnicas de
regularización como BatchNormalization y dropout, que ayudaron a estabilizar el
proceso de entrenamiento y a prevenir el sobreajuste. Las capas ocultas utilizaron la
función de activación ReLU, que es eficaz para capturar relaciones no lineales en
los datos. La salida del modelo consistió en un único nodo lineal, adecuado para
tareas de regresión. Además, se implementó regularización L2 en los pesos de las
capas densas para controlar la complejidad del modelo y mejorar su capacidad de
generalización.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
El modelo fue entrenado utilizando el optimizador Adam, conocido por su capacidad
de adaptarse dinámicamente a diferentes tasas de aprendizaje. La función de
pérdida seleccionada fue el Error Cuadrático Medio (MSE), mientras que el Error
Absoluto Medio (MAE) se monitoreó como métrica de desempeño adicional. Para
optimizar el entrenamiento, se incorporaron técnicas avanzadas como early
stopping, que detuvo el entrenamiento automáticamente cuando el rendimiento en el
conjunto de validación dejó de mejorar, y un programador de tasa de aprendizaje
que ajustó gradualmente el paso de aprendizaje para mantener la estabilidad.
Durante el entrenamiento, el modelo fue validado periódicamente con un
subconjunto de datos no utilizados en el aprendizaje, lo que permitió monitorear su
capacidad de generalización. Las gráficas generadas en esta etapa, como la
"Pérdida durante el Entrenamiento" y el "Error Absoluto Medio durante el
Entrenamiento", reflejaron una reducción constante tanto en los datos de
entrenamiento como en los de validación, indicando que el modelo convergió
eficazmente sin presentar signos evidentes de sobreajuste.
El modelo fue evaluado en el conjunto de prueba una vez finalizado el
entrenamiento, logrando resultados satisfactorios en términos de MAE y coeficiente
de determinación (R^2). Estas métricas reflejaron la capacidad del modelo para
capturar patrones significativos en los datos y ofrecer predicciones consistentes.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
Las gráficas generadas durante esta etapa muestran una reducción constante de la
pérdida y del error absoluto tanto en los datos de entrenamiento como de validación,
indicando una convergencia efectiva del modelo sin signos evidentes de
sobreajuste. Una vez entrenado, el modelo fue evaluado en el conjunto de prueba,
obteniendo resultados satisfactorios en términos de métricas clave como el
coeficiente de determinación (R^2) y el MAE. Estas métricas reflejaron la capacidad
del modelo para capturar patrones significativos en los datos y proporcionar
predicciones consistentes.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
La "Distribución de Diferencias Absolutas" reveló que la mayoría de las predicciones
se encontraban cerca de los valores reales, con errores menores en la gran mayoría
de los casos. Esta tendencia también se observó en la "Distribución de Diferencias
Porcentuales", donde los errores porcentuales más significativos fueron limitados y
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
se concentraron principalmente en inmuebles con precios extremos. Este
comportamiento es común en problemas de regresión debido a la menor frecuencia
de valores extremos en los conjuntos de datos.
mediante la anterior gráfica, permitió visualizar el comportamiento del modelo en
diferentes rangos de precios, destacando su capacidad para manejar tanto
inmuebles económicos como de alto valor. En conjunto, estas evaluaciones y
visualizaciones confirmaron que el modelo desarrollado es robusto y adecuado para
su implementación práctica en la predicción de precios inmobiliarios en Bogotá.
6. Resultados Finales
Los resultados obtenidos tras el entrenamiento y evaluación del modelo de redes
neuronales artificiales reflejan un desempeño sólido en la tarea de predicción de
precios inmobiliarios. El modelo mostró una capacidad destacada para generalizar
sobre datos no observados previamente, manteniendo un equilibrio entre la
precisión y la consistencia en las predicciones realizadas.
Al evaluar el modelo en el conjunto de prueba, se obtuvieron métricas clave como el
Error Absoluto Medio (MAE) y el coeficiente de determinación (R^2), las cuales
confirmaron un ajuste satisfactorio entre los valores predichos y los valores reales.
El MAE mostró que los errores en las predicciones se mantuvieron bajos en
promedio, mientras que el R^2 destacó la capacidad del modelo para explicar la
mayor parte de la variabilidad en los precios de los inmuebles. Estas métricas
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
validaron tanto las decisiones tomadas en el diseño del modelo como las técnicas
aplicadas en el preprocesamiento de los datos.
La gráfica anterior ofrece una visión más detallada del desempeño del modelo en
diferentes rangos de precios. Aunque los errores porcentuales tienden a ser
mayores en inmuebles de precios extremadamente bajos o altos, el modelo mostró
una capacidad notable para manejar estos casos de manera razonable. Esto indica
que el modelo es robusto y puede adaptarse a diferentes escenarios del mercado
inmobiliario.
En resumen, los resultados finales del proyecto validan el éxito del modelo en
predecir precios inmobiliarios de manera precisa y confiable. La combinación de
técnicas avanzadas de preprocesamiento, una arquitectura de red bien diseñada y
un enfoque sistemático para el entrenamiento y la evaluación garantizaron que el
modelo sea capaz de satisfacer las necesidades de los propietarios y agentes de
bienes raíces. Estos resultados sientan una base sólida para futuras expansiones
del modelo, ya sea adaptándolo a otros mercados inmobiliarios o integrando nuevas
variables contextuales para enriquecer las estimaciones de precios.
7. Despliegue del Modelo
El despliegue del modelo fue diseñado para transformar los resultados técnicos del
proyecto en una herramienta práctica y accesible para los usuarios finales. Tras el
entrenamiento y evaluación, el modelo fue exportado en formato HDF5, lo que
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
permitió almacenar tanto la arquitectura como los pesos optimizados. Este formato
estándar facilita la reutilización del modelo en diferentes entornos y aplicaciones sin
necesidad de repetir el entrenamiento.
Como parte del despliegue, se desarrolló una interfaz interactiva utilizando Gradio,
una plataforma que simplifica la creación de aplicaciones web accesibles. Esta
interfaz fue diseñada para aceptar entradas clave relacionadas con las
características de los inmuebles, como el número de habitaciones, área construida,
baños, estrato y tipo de inmueble, entre otros. Una vez ingresadas estas
características, el modelo procesa la información en tiempo real y genera una
predicción del precio estimado del inmueble. Este flujo asegura que los usuarios
puedan obtener resultados inmediatos y relevantes para sus necesidades.
Para garantizar la precisión de las predicciones en tiempo real, se preservaron todas
las transformaciones realizadas durante el preprocesamiento, como la normalización
de las características y la codificación de variables categóricas. Además, las
predicciones generadas fueron desnormalizadas y convertidas de escala logarítmica
a la escala original, permitiendo presentar los precios en un formato claro y
comprensible. La interfaz también incluyó validaciones que aseguraron que los
datos proporcionados por los usuarios estuvieran dentro de los rangos manejados
durante el entrenamiento del modelo, evitando así predicciones erróneas o
inconsistentes.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
Esta herramienta práctica no solo permite realizar predicciones precisas, sino que
también democratiza el acceso a tecnologías avanzadas de inteligencia artificial.
Propietarios, agentes de bienes raíces y otros usuarios pueden ingresar información
clave de un inmueble y obtener una estimación confiable del precio en cuestión de
segundos. Esto facilita la toma de decisiones estratégicas, mejora la transparencia
en el mercado inmobiliario y reduce la subjetividad en la valoración de propiedades.
El uso de Gradio para el desarrollo de la interfaz representa un avance significativo
en términos de accesibilidad y usabilidad, haciendo que la herramienta sea intuitiva
incluso para usuarios no técnicos. Además, su diseño modular y escalable asegura
que el sistema pueda adaptarse fácilmente a nuevos mercados o incorporar mejoras
futuras, como la integración de variables adicionales o la personalización para
necesidades específicas de los usuarios. Este despliegue marca el cierre exitoso del
proyecto, transformando el modelo en una solución tangible y funcional que traduce
el análisis avanzado en valor práctico para el mercado inmobiliario.
8. Conclusiones
El proyecto de predicción de precios inmobiliarios mediante redes neuronales
artificiales ha demostrado ser una solución efectiva para abordar los desafíos
inherentes a la valoración de inmuebles en el mercado de Bogotá. Desde la
recopilación de datos hasta el despliegue del modelo, cada fase fue
cuidadosamente diseñada y ejecutada, garantizando un flujo de trabajo coherente
que culminó en un sistema robusto y funcional.
Los resultados obtenidos validan el éxito del modelo en términos de precisión y
generalización, destacándose métricas como el Error Absoluto Medio (MAE) y el
coeficiente de determinación (R^2). Estas métricas reflejan la capacidad del modelo
para aprender patrones significativos en los datos y ofrecer predicciones
consistentes, incluso en un mercado tan diverso como el inmobiliario. Además, las
visualizaciones de las diferencias absolutas y porcentuales evidenciaron un bajo
nivel de errores en la mayoría de las predicciones, con un desempeño
especialmente destacado en propiedades de rango medio.
Uno de los principales logros del proyecto fue la integración de técnicas avanzadas
de preprocesamiento y regularización en el modelo, lo que permitió manejar
eficientemente tanto la complejidad de los datos como los riesgos de sobreajuste.
Asimismo, el uso de una interfaz interactiva con Gradio aseguró que los resultados
del proyecto fueran accesibles y útiles para una audiencia amplia, desde
propietarios hasta agentes de bienes raíces.
Proyecto de Redes Maestría en
Neuronales Artificiales Analítica de Datos
Juan Pablo Gómez Maldonado
Fabio Leonardo Navarrete Molano 02/11/2024
Sebastian Alejandro Gómez Ardila
A pesar de estos éxitos, el proyecto también enfrentó ciertas limitaciones. El manejo
de valores extremos, aunque mitigado mediante transformaciones y eliminación de
outliers, sigue siendo un desafío en la predicción de precios de inmuebles de lujo o
muy económicos. Además, la inclusión de variables contextuales adicionales, como
datos macroeconómicos o factores geográficos específicos, podría enriquecer aún
más las predicciones y mejorar la precisión del modelo en casos límite.
El impacto potencial de este proyecto es significativo, tanto a nivel individual como
en el contexto del mercado inmobiliario en general. Los propietarios y agentes de
bienes raíces ahora cuentan con una herramienta basada en inteligencia artificial
que facilita la toma de decisiones estratégicas, optimizando el posicionamiento de
las propiedades y promoviendo la transparencia en la valoración de precios.
De cara al futuro, este sistema tiene un amplio potencial de expansión. Puede ser
adaptado a otros mercados inmobiliarios, integrando nuevas fuentes de datos y
ajustándose a las particularidades de cada región. Además, la evolución del modelo
puede incluir técnicas más avanzadas, como aprendizaje transferido o redes
neuronales profundas especializadas, para mejorar aún más su desempeño y
aplicabilidad.
En conclusión, este proyecto ha cumplido su propósito de manera integral,
ofreciendo una solución práctica y escalable para la predicción de precios
inmobiliarios. Más allá de su implementación inicial, sienta las bases para
desarrollos futuros que amplíen su alcance y su impacto en el sector inmobiliario.
Esto reafirma la capacidad de las redes neuronales artificiales para resolver
problemas complejos y su utilidad como herramienta clave en la transformación
digital de la industria.
