Desarrollo de un modelo de aprendizaje automático para la estimación de precios inmobiliarios.

Resumen

La incorporación inmobiliaria es un proceso complejo, en el cual la definición del precio de venta de las unidades representa un desafío significativo. Los métodos tradicionales de estimación de precios, como la regresión hedónica y la regresión lineal múltiple, han sido ampliamente utilizados, pero enfrentan dificultades para capturar la complejidad y la no linealidad del mercado inmobiliario. Este trabajo desarrolla un modelo de aprendizaje automático (ML) basado en redes neuronales artificiales (RNA) para la estimación de precios inmobiliarios, con el objetivo de mejorar la precisión de las estimaciones. El modelo se entrena utilizando un conjunto de datos estructurado y tratado metodológicamente, y su evaluación incluye métricas de desempeño y análisis espacial de los errores. Los resultados demuestran que el modelo alcanzó un error medio absoluto (MAE) de R$ 915,44 y un error porcentual medio (MAPE) de 18,06%, superando a los enfoques tradicionales. Además, el análisis comparativo con estudios anteriores refuerza la eficacia del enfoque de ML, especialmente en la captura de patrones espaciales y en la reducción de discrepancias predictivas. Los hallazgos evidencian el potencial del modelo como una herramienta aplicable al mercado inmobiliario, contribuyendo a la toma de decisiones por parte de inversores y profesionales del sector.