Políticas   Declaración de Budapest  
 

Modelo predictivo de precios de alquiler de departamentos en la provincia de Lima usando técnicas de Machine Learning

Vista sencilla de ítem
dc.contributor.advisorOspina Galindez, Johann Alexis
dc.contributor.authorCacñahuaray Huaraca, Jimmy Christian
dc.contributor.authorJiménez Novoa, Silvia Mónica
dc.date.accessioned2024-05-27T16:14:37Z
dc.date.available2024-05-27T16:14:37Z
dc.date.embargoEnd2026-04-15
dc.date.issued2024-04-15
dc.description.abstractEste estudio investiga las variaciones y previsibilidad de los precios de alquiler en el sector inmobiliario de Lima. mercado en 2023, utilizando un corpus de 3.675 registros inmobiliarios. A través de estadística descriptiva análisis, se identificaron diferencias significativas en los precios de alquiler entre distritos, lo que refleja disparidad económica y diversidad en las opciones de vivienda. Los modelos de aprendizaje automático fueron implementado para predecir los precios de alquiler seleccionando características de la propiedad como la plaza metraje, número de dormitorios, baños y garajes. Los modelos fueron evaluados en base a su precisión y eficiencia computacional, mostrando una variabilidad significativa. El modelo WeightedEnsemble_L2 se destacó, presentando altos niveles de precisión y un R² indicando una previsibilidad sólida. El análisis de importancia de las características reveló que los pies cuadrados y el número de talleres son los predictores más importantes. Estos hallazgos ofrecen valiosos ideas para las partes interesadas en el mercado inmobiliario y subrayar la eficacia de Métodos de aprendizaje automático en la valoración inmobiliaria.en_ES
dc.description.escuelaEscuela de Posgradoen_ES
dc.description.lineadeinvestigacionPredicción estadísticaen_ES
dc.description.sedeLIMAen_ES
dc.formatapplication/pdfen_ES
dc.identifier.urihttp://repositorio.upeu.edu.pe/handle/20.500.12840/7534
dc.language.isospaen_ES
dc.publisherUniversidad Peruana Uniónen_ES
dc.publisher.countryPEen_ES
dc.rightsinfo:eu-repo/semantics/embargoedAccessen_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectSector inmobiliario de Limaen_ES
dc.subjectEstadística descriptivaen_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.01.03en_ES
dc.titleModelo predictivo de precios de alquiler de departamentos en la provincia de Lima usando técnicas de Machine Learningen_ES
dc.typeinfo:eu-repo/semantics/bachelorThesisen_ES
renati.advisor.dni94539736
renati.advisor.orcidhttps://orcid.org/0000-0001-7395-7952en_ES
renati.author.dni44319912
renati.author.dni16687350
renati.discipline542039en_ES
renati.jurorQuinteros Zúñiga, Dámaris Susana
renati.jurorHuanca López, Lizeth Geanina
renati.jurorLópez Gonzales, Javier Linkolk
renati.jurorTocto Cano, Esteban
renati.jurorOspina Galindez, Johann Alexis
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloSegundaEspecialidaden_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesisen_ES
thesis.degree.disciplineSegunda Especialidad en Estadística Aplicada para Investigaciónen_ES
thesis.degree.grantorUniversidad Peruana Unión. Unidad de Posgrado de Ingeniería y Arquitecturaen_ES
thesis.degree.nameSegunda Especialidad Profesional de Ingeniería: Estadística aplicada para Investigaciónen_ES

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Jimmy_Tesis_Especialidad_2024.pdf
Tamaño:
337.66 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Autorización.pdf
Tamaño:
136.99 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Reporte de similitud.pdf
Tamaño:
869.43 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Segunda Especialidad Profesional de Ingeniería: Estadística Aplicada Para Investigación