| |

Modelo de IA para encontrar las mejores viviendas donde invertir

¿Es posible crear un modelo que permita predecir el precio de alquiler ideal de una vivienda para encontrar buenas oportunidades de inversión?

Respositorio

Introducción y objetivo del proyecto

Se dispone de dos datasets, uno con un listado de pisos en alquiler y otro de compra en la ciudad de Barcelona. El objetivo es generar un modelo de Machine Learning que permita calcular el precio del alquiler de cualquier vivienda (utilizando el primer dataset) para, a continuación, aplicar dicho modelo en el segundo set de datos. Dividiendo después el precio de venta real por el del alquiler del modelo, únicamente quedará ordenar todas las viviendas por el ratio venta/alquiler de menor a mayor para conocer qué inversiones serán aquellas cuyo payback (o plazo de recuperación) será más pequeño y por tanto serán mejores inversiones a futuro.

Dataset

El dataset de alquiler contiene la siguiente información:

Variables del dataset (fuente: elaboración propia)

Modelo predictivo

Se han entrenado 3 tipos de algoritmos:

  • Bagging
  • Random Forest
  • Boosting (Catboost)

Después de la optimización de hiperparámetros, el modelo elegido ha sido el Catboost, cuyo coeficiente R2 es de 0,87. De hecho, la variable más importante, de largo es el barrio en la que está situada la vivienda:

Importancia de cada variable en el precio (fuente: elaboración propia)

Haciendo uso de Shap Values se puede también conocer cómo ha llegado el modelo al precio exacto:

Conclusiones

Según el Top 20 de viviendas encontradas por el modelo, las inversiones se tienen que centrar en:

  • Zonas donde el índice de precios es superior a 35€/m2 (es decir, barrios caros)
  • Son propiedades antiguas
  • De tipo piso

Fuentes

[1] https://hbr.org/2014/10/the-value-of-keeping-the-right-customers

Últimas entradas