Modelo para la predicción de precios de renting de vehículos.

Abstract

Durante este trabajo se entrena e implementa un modelo de ML para la predicción del precio de renting de vehículos. Para ello, se comienza viendo el modelo anterior utilizado por la compañía. Después, una serie de modelos se entrenan con los datos disponibles para ver qué tipo de modelos son los mejores, concluyendo que los modelos más complejos son mejores pero se tiene la necesidad de reducir su varianza. Se construye un scrapeador web para recopilar más datos y se realiza una clusterización para reducir el número de variables. Tanto la sección de los modelos como la del clustering van acompañadas de una breve explicación teórica. Finalmente, se entrena un XGB, y se concluye que este es el mejor modelo de todos los probados. Diferentes tipos de posibles implementaciones del modelo en la BBDD de la empresa son discutidos.

During this work, a machine learning model is trained and implemented to predict vehicle renting prices. The process begins by reviewing the previous model used by the company. Then, several models are trained with the available data to determine which types of models are the best, concluding that more complex models are superior but require variance reduction. A web scraper is constructed to gather more data, and a clusterization is performed to reduce the number of variables. Both the modeling and clustering sections are completed by brief theoretical explanations. Finally, an XGB model is trained, and it is concluded that this is the best model among those tested. Different possible implementations of the model in the company’s database are discussed.