Técnicas de minerí­a de datos para el anólisis de la plusvalí­a inmobiliaria

Autores/as

DOI:

https://doi.org/10.23857/dc.v8i1.2531

Palabras clave:

Minería de datos, algoritmos, predicciones, plusvalía, bienes inmuebles.

Resumen

La minerí­a de datos permite la extracción de información, la clasificación de datos y el procesamiento de los mismos, para conocer su comportamiento, realizar predicciones y para la toma efectiva de decisiones. Esta investigación tiene como objetivo determinar cuóles son las técnicas de minerí­a de datos mós utilizadas para el anólisis de la plusvalí­a inmobiliaria, para ello se hace uso de una revisión bibliogrófica, anólisis de contenido y la aplicación de un diseño de teorí­a fundamentada. En las investigaciones analizadas se pudo determinar que las técnicas de minerí­a de datos aplicadas para predecir precios en bienes raí­ces son: Redes Neuronales Artificiales, Anólisis Clíºster, írbol de decisión, Modelos de regresión, Modelos estadí­sticos, Clasificador Bayesiano Ingenuo, Algoritmo K-Neighbors, Algoritmo AdaBoost, evidenciando que la técnica de Redes Neuronales Artificiales es la que mejores resultados presenta. Con respecto a las variables de datos de cada propiedad se encontraron 27 entre las mós importantes se presentan el tipo de propiedad, ubicación, precio, órea de terreno, órea de construcción, níºmero de pisos, níºmero de habitaciones, níºmero de baños, níºmero de estacionamientos o garaje, entre otras, ademós se analizaron los datos de las publicaciones en redes sociales y sitios web de inmobiliarias de la ciudad de Riobamba. Los resultados proporcionados por esta investigación son íºtiles para la aplicación de técnicas de minerí­a de datos en investigaciones sobre inversiones inmobiliarias o predicciones del avalíºo inmobiliario.

Biografía del autor/a

Elba Bodero-Poveda, Universidad Nacional de La Plata, La Plata,

Magister en Tecnología de la Información y Multimedia Educativa. Docente en Ciencias Informáticas, Universidad Nacional de Chimborazo, Riobamba, Ecuador. Doctoranda, Doctorado en Ciencias Informáticas, Universidad Nacional de La Plata, La Plata, Argentina.

Cristian Morales-Alarcón, Gerente Empresa Esprint. Riobamba,

Magister en Gestión de Sistemas de Información e Inteligencia de Negocios, Gerente Empresa Esprint. Riobamba, Ecuador.

Ana Elizabeth Congacha-Aushay, Universidad Nacional de Chimborazo, Riobamba,

Magister en Gerencia Informática, Universidad Nacional de Chimborazo, Riobamba, Ecuador.

Cristina Estefanía Ramos-Araujo, Escuela Superior Politécnica de Chimborazo, Riobamba,

Ingeniera en Estadística Informática, Máster de Ciencias en Matemáticas Aplicadas. Escuela Superior Politécnica de Chimborazo, Riobamba, Ecuador.

Citas

Asilkan, O., Faqolli, A., Gerdeci, A., & Cico, B. (2012). Estimating the market values of houses in Tirana using data mining. Global Journal on Technology, 1. http://archives.un-pub.eu/index.php/P-ITCS/article/view/857/1082

Banerji, G., & Saxena, K. (2012). Analysis of Data Mining Techniques on Real Estate. International Journal of Soft Computing and Engineering (IJSCE), 2(3), 223-230. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.649.7414&rep=rep1&type=pdf

Casas, J., Casas, D., Caridad, J., & Níºñez, J. (2019). Mercado inmobiliario de España: Una herramienta para el análisis de la oferta. Cuadernos de Economí­a, 42(120). http://www.cude.info/index.php/CUDE/article/view/69

Durganjali, P., & Pujitha, M. V. (2019). House Resale Price Prediction Using Classification Algorithms. 2019 International Conference on Smart Structures and Systems (ICSSS) (pp. 1-4). https://ieeexplore.ieee.org/abstract/document/8882842

Fernández, L., Cózar, A., & Llorca, A. (2017). Análisis clíºster de precios de vivienda de 2017 en la ciudad de Valencia. XII Congreso de ciencia regional de Andalucí­a. Comercio Regional y empleo: Una perspectiva Regional. https://old.reunionesdeestudiosregionales.org/sevilla2017/media/uploads/2017/10/05/Paper_Analisis_cluster.pdf

Ferrán, M. (2011). Una metodologí­a de minerí­a de datos para la agrupación de series temporales: aplicación al sector de la construcción residencial. [Tesis Doctoral, Universidad Complutense de Madrid]. https://core.ac.uk/download/pdf/19715384.pdf

Grybauskas, A., Pilinkienė, V., & Stundžienė, A. (2021). Predictive analytics using Big Data for the real estate market during the COVID-19 pandemic. Journal of big data, 8(1), 1-20. https://journalofbigdata.springeropen.com/articles/10.1186/s40537-021-00476-0

Huang, C., Yang, Y., Wang, H., Zhang, X., Zhao, J., & Wan, J. (2020). Research and application of data mining algorithm. In Journal of Physics: Conference Series (Vol. 1748, No. 3, p. 032043). https://iopscience.iop.org/article/10.1088/1742-6596/1748/3/032043/pdf

Khare, S., Gourisaria, M. K., Harshvardhan, G. M., Joardar, S., & Singh, V. (2021). Real Estate Cost Estimation Through Data Mining Techniques. In IOP Conference Series: Materials Science and Engineering ,1099, (1), p. 012053). https://iopscience.iop.org/article/10.1088/1757-899X/1099/1/012053/pdf

López, F. (2020). Un modelo economí©trico para determinar el valor de venta de proyectos inmobiliarios en la ciudad de Santiago. Horizontes Empresariales, 19(1), 28-50. http://revistas.ubiobio.cl/index.php/HHEE/article/view/4158/3856

Martí­nez-Sánchez, D. N., & Tí©llez-Buitrago, V. J. (2021). Mí©todo automático para la predicción del avalíºo comercial de un inmueble en la ciudad de Bogotá. [Tesis pregrado, Universidad católica de Colombia]. https://repository.ucatolica.edu.co/bitstream/10983/26289/1/trabajo%20de%20grado%20Completo.pdf

Márquez, L. (2020). El capital inmobiliario-financiero y la producción de la ciudad latinoamericana hoy. Cadernos Metrópole, 22(49), 665-682. https://doi.org/10.1590/2236-9996.2020-4901

Merizalde, M., Caicedo, F., & Salame, M. (2020). Ley de la Plusvalí­a en el Ecuador; un breve análisis desde su aprobación hasta su inmediata derogación. Dilemas Contemporáneos: Educación, Polí­tica y Valores, 7. https://doi.org/10.46377/dilemas.v33i1.2119

Ministerio de Desarrollo Urbano y Vivienda. (2016, 3 de octubre). Normas tí©cnicas para catastro de bienes inmuebles urbanos, rurales. Registro Oficial Suplemento 853. https://www.habitatyvivienda.gob.ec/wp-content/uploads/downloads/2016/10/Acuerdo-Ministerial-29-16.pdf

Peterson, G. E. (2010). La plusvalí­a de la tierra como opción para el financiamiento de la infraestructura urbana. The World Bank. https://doi.org/10.1596/978-0-8213-8329-2

Real Academia Española. (2021). Diccionario de la lengua española (23a ed.). https://dle.rae.es/plusval%C3%ADa

Registro Oficial órgano de la Repíºblica del Ecuador. (2016, 3 de octubre). Valor de la propiedad. Registro oficial no. 853 https://www.registroficial.gob.ec/index.php/registro-oficial-web/publicaciones/registro-oficial/item/8389-registro-oficial-no-853.html

Rivas, W., & Mazón, B. (2018). Redes neuronales artificiales aplicadas al reconocimiento de patrones. Editorial UTMACH.

Shinde, N., & Gawande, K. (2018). Survey on predicting property price. In 2018 International Conference on Automation and Computational Engineering (ICACE) (pp. 1-7). https://doi.org/10.1109/ICACE.2018.8687080

Soltani, A., Pettit, C. J., Heydari, M., & Aghaei, F. (2021). Housing price variations using spatio-temporal data mining techniques. Journal of Housing and the Built Environment, 1-29. https://link.springer.com/article/10.1007/s10901-020-09811-y

Teng, W. T., Wang, L., Wang, Y., & Chang, Q. (2016). Housing price prediction using neural networks. In 2016 12th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD) (pp. 518-522). IEEE. https://ieeexplore.ieee.org/abstract/document/7603227

Torrente, á. (2021). Sistema de Web Scraping orientado a portales del ámbito inmobiliario [Tesis Doctoral, Universidade da Coruña]. http://castor.det.uvigo.es:8080/xmlui/bitstream/handle/123456789/575/TorrentePatino_Alvaro_TFM_2021.pdf?sequence=1

Trinidad, A., Carrero, V., & Soriano, R. (2006). Teorí­a fundamentada Grounded theoryâ€: la construcción de la teorí­a a traví©s del análisis interpretacional (Centro de Interpretaciones Sociológicas (ed.). https://n9.cl/r8bg8

Yu, Y., Lu, J., Shen, D., & Chen, B. (2021). Research on real estate pricing methods based on data mining and machine learning. Neural Computing and Applications, 33(9), 3925-3937. https://sci-hub.se/https://doi.org/10.1007/s00521-020-05469-3

Publicado

2022-01-28

Cómo citar

Bodero-Poveda, E., Morales-Alarcón, C., Congacha-Aushay, A. E., & Ramos-Araujo, C. E. (2022). Técnicas de minerí­a de datos para el anólisis de la plusvalí­a inmobiliaria. Dominio De Las Ciencias, 8(1), 916–930. https://doi.org/10.23857/dc.v8i1.2531

Número

Sección

Artí­culos Cientí­ficos

Artículos más leídos del mismo autor/a