Predicción del valor de venta de pisos madrileños con deep learning y ensembles.

Abstract

En el presente trabajo se lleva a cabo un estudio preliminar del mercado inmobiliario, analizando los diferentes factores que influyen en el precio de los inmuebles, así como los movimientos resultantes en la oferta y la demanda. Posteriormente, se realiza una revisión teórica de los modelos de predicción a implementar; bosques aleatorios, xgboost y un nuevo modelo, TabPFN, caracterizado a priori por tener obtener resultados robustos en muestras de datos reducidas, así como el uso de machine learning y datos en formato de tabla. Finalmente, se describe en detalle el proceso de implementación de estos modelos, incluyendo un análisis preliminar de las variables, la limpieza y preparación previa de los datos, y posterior comparación de los resultados obtenidos por cada modelo. Además, se desarrolla una herramienta de predicción que facilita la clasificación de futuros pisos, y se propone su entrenamiento y prueba con muestras más grandes de datos. Palabras clave: Sector inmobiliario, inmueble, valoración inmobiliaria, Machine learning, aprendizaje supervisado, estandarización, datos tabulares, modelos de predicción, precisión del modelo.

In this paper, a preliminary study of the real estate market is carried out, analyzing the different factors that influence the price of real estate, as well as the resulting movements in supply and demand. Subsequently, a theoretical review of the prediction models to be implemented is carried out; Random forests, Xgboost and a new model, TabPFN, characterized a priori by having to obtain robust results in reduced data samples, as well as the use of machine learning and data in table format. Finally, the implementation process of these models is described in detail, including a preliminary analysis of the variables, data cleaning and preparation, and subsequent comparison of the results obtained by each model. In addition, a prediction tool is developed to facilitate the classification of future floors, and its training and testing with larger data samples is proposed.