Return to search

Predicción de rentas en Santiago de Chile utilizando algoritmos de aprendizaje automático

Memoria para optar al título de Ingeniera Civil / En este trabajo se aplican tres algoritmos de aprendizaje automático al problema de
predicción de rentas de bienes inmobiliarios en la ciudad de Santiago de Chile por primera
vez. Se dispone de una base de datos de 600.902 transacciones de casas y departamentos
efectuadas entre los años 2007 y 2018, facilitada por la empresa TocToc.com, especialista en georreferenciación y tasación de bienes inmobiliarios.
Se comparan una red neuronal, un algoritmo de máquinas de vectores de soporte para la regresión (SVR) y un bosque aleatorio (conjunto de árboles de regresión) para la predicción de rentas de departamentos en la comuna de La Florida. Los errores absolutos porcentuales medios obtenidos son de 19,17%, 14,69% y 9,67% respectivamente, por lo que el bosque aleatorio es el algoritmo más preciso para la predicción de rentas. Además, el bosque aleatorio funciona tanto con muestras pequeñas como con muestras grandes, mientras el poder predictivo de la red neuronal y del algoritmo SVR baja al reducir el tamaño de la muestra. También se observa que baja el error absoluto porcentual medio cuando la variable de precio a predecir es el valor del metro cuadrado y no el precio total del departamento, en concordancia con las conclusiones de Antipov y Pokryshevskaya (2012). Luego, se construyen distintas muestras según ingresos comunales y por región geográfica para predecir rentas de departamentos utilizando el bosque aleatorio, con lo que se calcula la importancia de los atributos de los bienes según el método de importancia de Gini (Breimann, 2001).
Las variables que más contribuyen en la determinación de los precios de
los bienes son el año de venta, el ingreso promedio de los hogares por comuna y el índice de
calidad calculado por el Servicio de Impuestos Internos, que representa la calidad estructural
y la antigüedad de los departamentos. Cuando mejora el índice de calidad y aumenta el
ingreso promedio de los hogares suben la rentas de los departamentos. Este último resultado también ha sido encontrado en Santiago de Chile por Figueroa (1992).

Identiferoai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/170883
Date January 2019
CreatorsChardon Schirm, Isabelle
ContributorsMartínez Concha, Francisco, Bergel, Alexandre, Donoso Sierra, Pedro
PublisherUniversidad de Chile
Source SetsUniversidad de Chile
LanguageSpanish
Detected LanguageSpanish
TypeTesis
RightsAttribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/

Page generated in 0.0021 seconds