← Todos los artículos
· 4 min de lectura

Predicción de Precio Inmobiliario con Ensemble GBM + MLP (R² ≈ 0.90)

He creado un modelo híbrido de Gradient Boosting y red neuronal MLP que, entrenado con más de 21 000 transacciones reales, explica el 90 % de la variación de precios y alcanza un error medio de ± 62 000 USD sobre viviendas de $540 K.

#IA#Machine Learning#Real Estate#Ensemble#Python
Captura real de Predicción de Precio Inmobiliario en funcionamiento ▶ Probar la demo
Captura real de Predicción de Precio Inmobiliario, la herramienta de la que habla este artículo.

He abordado un problema clásico del sector inmobiliario: estimar el precio de una vivienda a partir de sus características y de su ubicación. Quería comprobar si combinar boosting y una red neuronal mejoraba a cada uno por separado.

Datos y preprocesado

El modelo se entrena con más de 21.000 ventas reales del condado de King (Washington), de 2014 y 2015. Descarto los precios extremos, relleno los valores faltantes con la mediana y añado variables propias: antigüedad, habitaciones totales, superficie por habitación y si la vivienda se ha reformado. El código postal entra como la media de precio de esa zona (target encoding).

Arquitectura del modelo

Es un ensemble de dos submodelos, entrenados por separado sobre el logaritmo del precio:

Validación

Reservo el 15 % de los datos para el test final y el 12 % del resto para validación. Sobre el test:

Despliegue

La inferencia se sirve con FastAPI: POST /inmobiliario/predict devuelve la estimación y /inmobiliario/explain muestra qué variables han pesado en ella.

Lo que este modelo no es

Un R² de 0,90 no lo convierte en una tasación. Está entrenado con ventas del condado de King (Washington) de 2014 y 2015, así que ni sirve para el mercado español ni refleja el de hoy, y lo que devuelve es una estimación estadística sin validez legal. Por eso publico también el error en dinero: un 0,8962 no dice si te puedes fiar del número, y ±62.000 $ se entiende delante de una vivienda concreta.

Sobre este proyecto

Predicción de Precio Inmobiliario

Ensemble de Gradient Boosting + red neuronal MLP entrenado con 21.000+ transacciones reales. R²=0.90: el modelo explica el 90% de la variación real de precios, con un error medio d...

Newsletter

¿Te aviso de nuevos proyectos y artículos?

Sin spam. Solo un email cuando publico algo nuevo de IA. Baja en un clic.

Sigue leyendo