SITUACION_PROBLEMA_1

Librerias

library(caret)

## Loading required package: ggplot2

## Loading required package: lattice

library(ggplot2)
library(lattice)
library(rpart)
library(rpart.plot)
library(party)

## Loading required package: grid

## Loading required package: mvtnorm

## Loading required package: modeltools

## Loading required package: stats4

## Loading required package: strucchange

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

## Loading required package: sandwich

library(gmodels)
library(grid)
library(mvtnorm)
library(modeltools)
library(stats4)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following object is masked from 'package:party':
## 
##     where

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(strucchange)
library(zoo)
library(Metrics)

## 
## Attaching package: 'Metrics'

## The following objects are masked from 'package:caret':
## 
##     precision, recall

library(Hmisc)

## 
## Attaching package: 'Hmisc'

## The following objects are masked from 'package:dplyr':
## 
##     src, summarize

## The following objects are masked from 'package:base':
## 
##     format.pval, units

Base de datos

bd <- read.csv("/Users/pedrovillanueva/Desktop/Datos bienes y raices CDMXF.csv", stringsAsFactors = TRUE)
bd$Estacionamiento <- as.numeric(bd$Estacionamiento)
bd$Precio <- as.numeric(bd$Precio)

Limpieza de datos

conteorango <- sum(bd$Precio >= 0 & bd$Precio < 100, na.rm = TRUE)
 # conteorango

bd$Precio <- replace(bd$Precio, bd$Precio >= 0 & bd$Precio < 100, NA)

bd$Precio[is.na(bd$Precio)] <- median(bd$Precio, na.rm = TRUE)

#Eliminar valores extremos adicionales usando el rango intercuartil
q1 <- quantile(bd$Precio, 0.25, na.rm=TRUE)
q3 <- quantile(bd$Precio, 0.75, na.rm=TRUE)
rangointq <- q3 - q1

limite_inferior <- q1 - 1.5 * rangointq
limite_superior <- q3 + 1.5 * rangointq

bd <- subset(bd, Precio >= limite_inferior & Precio <= limite_superior)
summary(bd$Precio)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   116.0   828.8  1712.5  2982.1  4212.5 12500.0

# Cambiar los valores
bd$Cocina_equip <- gsub("Sí|Si ", "Si", bd$Cocina_equip)
bd$Gimnasio <- gsub("Sí|Si ", "Si", bd$Gimnasio)
bd$Amueblado <- gsub("Sí|Si ", "Si", bd$Amueblado)
bd$Alberca <- gsub("Sí|Si ", "Si", bd$Alberca)
bd$Alberca <- gsub("si|si ", "Si", bd$Alberca)
bd$Terraza <- gsub("Sí|Si ", "Si", bd$Terraza)
bd$Elevador <- gsub("Sí|Si ", "Si", bd$Elevador)
bd$Elevador <- gsub("si|si  ", "Si", bd$Elevador)

bd$Cocina_equip <- gsub("No ", "No", bd$Cocina_equip)
bd$Gimnasio <- gsub("No ", "No", bd$Gimnasio)
bd$Amueblado <- gsub("No ", "No", bd$Amueblado)
bd$Alberca <- gsub("No ", "No", bd$Alberca)
bd$Terraza <- gsub("No ", "No", bd$Terraza)
bd$Elevador <- gsub("No ", "No", bd$Elevador)

unique(bd$Gimnasio)

## [1] "Si" "No"

# Visualizar los datos
summary(bd)

##                 Alcaldia                         Colonia          X1       
##  Iztapalapa         : 94   Santa Fe                  : 22   Min.   :0.350  
##  Tlahuac            : 82   San Angel                 : 13   1st Qu.:1.020  
##  Alvaro Obregon     : 79   Miguel Hidalgo            : 11   Median :1.400  
##  Gustavo A. Madero  : 79   San Jer\xf3nimo L\xedndice: 11   Mean   :1.385  
##  Coyoacan           : 45   Lomas Estrella            : 10   3rd Qu.:1.550  
##  Venustiano Carranza: 33   Tepalcates                : 10   Max.   :2.800  
##  (Other)            :192   (Other)                   :527                  
##        X2              X3              X4              X5       
##  Min.   :3.810   Min.   :31.70   Min.   : 6.07   Min.   :18.46  
##  1st Qu.:4.980   1st Qu.:40.21   1st Qu.:16.35   1st Qu.:24.42  
##  Median :5.620   Median :42.85   Median :18.21   Median :26.78  
##  Mean   :5.353   Mean   :42.59   Mean   :17.49   Mean   :26.63  
##  3rd Qu.:5.680   3rd Qu.:46.56   3rd Qu.:20.05   3rd Qu.:28.25  
##  Max.   :6.780   Max.   :51.23   Max.   :23.46   Max.   :32.20  
##                                                                 
##        X6              X7               X8                X9        
##  Min.   :0.480   Min.   : 0.030   Min.   :0.02000   Min.   : 3.170  
##  1st Qu.:2.280   1st Qu.: 0.280   1st Qu.:0.03000   1st Qu.: 6.980  
##  Median :3.190   Median : 0.300   Median :0.05000   Median : 8.250  
##  Mean   :3.484   Mean   : 1.075   Mean   :0.08091   Mean   : 8.007  
##  3rd Qu.:4.540   3rd Qu.: 0.710   3rd Qu.:0.10000   3rd Qu.: 9.560  
##  Max.   :8.530   Max.   :10.210   Max.   :0.23000   Max.   :13.060  
##                                                                     
##       X10        Cocina_equip         Gimnasio          Amueblado        
##  Min.   :15.15   Length:604         Length:604         Length:604        
##  1st Qu.:36.60   Class :character   Class :character   Class :character  
##  Median :43.86   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :41.10                                                           
##  3rd Qu.:50.08                                                           
##  Max.   :63.97                                                           
##                                                                          
##    Alberca            Terraza            Elevador         m2_construido   
##  Length:604         Length:604         Length:604         Min.   : 34.00  
##  Class :character   Class :character   Class :character   1st Qu.: 56.75  
##  Mode  :character   Mode  :character   Mode  :character   Median : 70.00  
##                                                           Mean   : 88.01  
##                                                           3rd Qu.:100.00  
##                                                           Max.   :450.00  
##                                                                           
##      Banos        Recamaras     Estacionamiento     Precio       
##  Min.   :1.00   Min.   :1.000   Min.   :1.000   Min.   :  116.0  
##  1st Qu.:1.00   1st Qu.:2.000   1st Qu.:2.000   1st Qu.:  828.8  
##  Median :1.00   Median :2.000   Median :2.000   Median : 1712.5  
##  Mean   :1.56   Mean   :2.262   Mean   :2.295   Mean   : 2982.1  
##  3rd Qu.:2.00   3rd Qu.:3.000   3rd Qu.:3.000   3rd Qu.: 4212.5  
##  Max.   :5.00   Max.   :5.000   Max.   :7.000   Max.   :12500.0  
## 

# bd

#Conversión a factores
for (i in colnames(bd)) {
  if (is.character(bd[[i]])) {
    bd[[i]] <- as.factor(bd[[i]])
  }
}

# Visualizar los datos
summary(bd)

##                 Alcaldia                         Colonia          X1       
##  Iztapalapa         : 94   Santa Fe                  : 22   Min.   :0.350  
##  Tlahuac            : 82   San Angel                 : 13   1st Qu.:1.020  
##  Alvaro Obregon     : 79   Miguel Hidalgo            : 11   Median :1.400  
##  Gustavo A. Madero  : 79   San Jer\xf3nimo L\xedndice: 11   Mean   :1.385  
##  Coyoacan           : 45   Lomas Estrella            : 10   3rd Qu.:1.550  
##  Venustiano Carranza: 33   Tepalcates                : 10   Max.   :2.800  
##  (Other)            :192   (Other)                   :527                  
##        X2              X3              X4              X5       
##  Min.   :3.810   Min.   :31.70   Min.   : 6.07   Min.   :18.46  
##  1st Qu.:4.980   1st Qu.:40.21   1st Qu.:16.35   1st Qu.:24.42  
##  Median :5.620   Median :42.85   Median :18.21   Median :26.78  
##  Mean   :5.353   Mean   :42.59   Mean   :17.49   Mean   :26.63  
##  3rd Qu.:5.680   3rd Qu.:46.56   3rd Qu.:20.05   3rd Qu.:28.25  
##  Max.   :6.780   Max.   :51.23   Max.   :23.46   Max.   :32.20  
##                                                                 
##        X6              X7               X8                X9        
##  Min.   :0.480   Min.   : 0.030   Min.   :0.02000   Min.   : 3.170  
##  1st Qu.:2.280   1st Qu.: 0.280   1st Qu.:0.03000   1st Qu.: 6.980  
##  Median :3.190   Median : 0.300   Median :0.05000   Median : 8.250  
##  Mean   :3.484   Mean   : 1.075   Mean   :0.08091   Mean   : 8.007  
##  3rd Qu.:4.540   3rd Qu.: 0.710   3rd Qu.:0.10000   3rd Qu.: 9.560  
##  Max.   :8.530   Max.   :10.210   Max.   :0.23000   Max.   :13.060  
##                                                                     
##       X10        Cocina_equip Gimnasio Amueblado Alberca  Terraza  Elevador
##  Min.   :15.15   No: 62       No:456   No:591    No:524   No:338   No:295  
##  1st Qu.:36.60   Si:542       Si:148   Si: 13    Si: 80   Si:266   Si:309  
##  Median :43.86                                                             
##  Mean   :41.10                                                             
##  3rd Qu.:50.08                                                             
##  Max.   :63.97                                                             
##                                                                            
##  m2_construido        Banos        Recamaras     Estacionamiento
##  Min.   : 34.00   Min.   :1.00   Min.   :1.000   Min.   :1.000  
##  1st Qu.: 56.75   1st Qu.:1.00   1st Qu.:2.000   1st Qu.:2.000  
##  Median : 70.00   Median :1.00   Median :2.000   Median :2.000  
##  Mean   : 88.01   Mean   :1.56   Mean   :2.262   Mean   :2.295  
##  3rd Qu.:100.00   3rd Qu.:2.00   3rd Qu.:3.000   3rd Qu.:3.000  
##  Max.   :450.00   Max.   :5.00   Max.   :5.000   Max.   :7.000  
##                                                                 
##      Precio       
##  Min.   :  116.0  
##  1st Qu.:  828.8  
##  Median : 1712.5  
##  Mean   : 2982.1  
##  3rd Qu.: 4212.5  
##  Max.   :12500.0  
## 

Análisis préliminar de la base de datos

• En la variable de precio, los valores no tienen mucha lógica. Tras investigar nos dimos cuenta que los valores están en miles de pesos. Es importante de tener esto en consideración al momento de realizar las conclusiones dado que si no se toman en consideración las predicciones pueden ser falsas.
• Existen varias variables con valores de texto como lo son: estacionamieto, elevador, Cocina_equip, Gimnasio, Amueblado, Alcaldia y Colonia. Cada una de estas se debe de tratar de una manera diferente.
• Las variables categóricas son: Cocina_equip, Gimnasio, Amueblado, Alberca, Terraza, Estacionamiento y Elevador. Estas variables se deberán de transformar en factores para poder ser analizadas.
• Podemos observar que la base de datos tiene dos tipos de variables, las variables de la alcaldía y las variables que describen la casa. Las variables de alcaldía se utilizarán para crear clusters de submercados y se hara un arbol de decisión con las variables que describen la casa para poder determinar las variables con mayor peso para determinar el precio de una casa.

Clusterizacion

# Seleccionar solo las variables numéricas
datos <- bd[sapply(bd, is.numeric)]
columnas_a_excluir <- c("Precio", "m2_construido", "Banos", "Recamaras", "Estacionamiento")
datos <- datos[, !names(datos) %in% columnas_a_excluir]


# Escalar las variables numéricas
datos_escalados <- scale(datos[, 1:10])

# datos_escalados

# Calcular las medianas de las variables numéricas escaladas
medianas <- apply(datos_escalados, 2, median)

set.seed(123) # Para reproducibilidad
k <- 3 # Cambia este valor por el número de clusters que deseas
kmeans_model <- kmeans(datos_escalados, centers = k, nstart = 100)

print(kmeans_model)

## K-means clustering with 3 clusters of sizes 227, 295, 82
## 
## Cluster means:
##           X1         X2         X3         X4         X5         X6         X7
## 1  0.9460259 -0.4955174  0.9850028  0.8946752  0.9406937  1.0355970  0.4666946
## 2 -0.2802831  0.3391070 -0.2066299 -0.1353385 -0.4020742 -0.4077093 -0.2267267
## 3 -1.6105412  0.1517789 -1.9834121 -1.9898343 -1.1576289 -1.4000766 -0.4762841
##           X8         X9        X10
## 1  1.1493586  0.8274492  1.0026138
## 2 -0.6254214 -0.1490393 -0.2595404
## 3 -0.9317692 -1.7544436 -1.8418161
## 
## Clustering vector:
##   1   2   4   5   6   8   9  10  11  12  13  14  15  17  18  19  20  21  22  23 
##   1   1   1   1   1   2   1   2   1   2   2   1   3   2   3   2   2   3   1   2 
##  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  42  43  44  45 
##   2   1   2   2   1   1   2   1   1   2   2   1   2   2   1   2   1   2   2   2 
##  46  47  49  50  51  53  54  55  56  57  58  61  62  63  64  65  66  67  68  69 
##   2   2   2   1   1   2   3   2   1   3   3   1   1   2   1   3   1   2   1   2 
##  70  71  72  73  74  75  76  77  78  82  83  84  85  86  87  88  89  90  91  92 
##   2   1   2   2   2   2   2   2   1   1   2   2   1   3   2   2   1   2   2   1 
##  94  96  97  98  99 100 101 102 103 104 105 106 107 108 110 111 112 113 115 116 
##   2   2   1   1   2   3   1   3   1   2   2   1   2   3   1   1   2   2   3   2 
## 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 
##   1   2   1   2   2   2   1   2   1   2   1   1   2   2   2   2   1   3   3   3 
## 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 
##   1   1   2   3   2   1   3   1   1   2   2   2   2   2   1   2   2   1   1   1 
## 157 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 
##   3   2   1   2   3   1   2   2   1   2   1   1   2   1   2   1   2   2   2   2 
## 178 179 180 181 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 
##   1   2   1   3   2   1   2   1   1   2   1   2   2   1   2   1   2   1   2   2 
## 199 200 201 202 203 204 207 208 209 210 212 213 214 216 217 218 219 221 222 223 
##   1   2   3   1   2   1   1   2   2   2   2   2   2   2   2   1   2   2   2   1 
## 224 225 226 227 228 229 230 231 232 233 234 235 237 238 239 240 241 242 243 244 
##   1   3   3   2   3   2   1   2   1   2   2   1   3   2   2   2   2   2   2   1 
## 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 262 263 264 265 
##   2   1   2   1   1   1   1   2   2   1   1   1   1   3   2   1   2   1   2   2 
## 266 267 268 270 271 272 273 274 275 276 277 278 279 280 281 283 284 285 286 287 
##   2   2   2   2   2   2   3   2   2   2   2   2   3   3   1   1   1   2   2   1 
## 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 
##   3   3   1   2   3   1   2   2   3   1   1   1   1   2   2   2   2   1   3   2 
## 308 309 310 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 
##   1   1   1   1   3   1   2   2   3   1   1   2   2   2   1   2   1   2   2   1 
## 329 330 332 333 334 335 336 337 338 339 340 341 342 343 345 346 347 348 349 350 
##   2   2   2   2   2   2   1   2   3   2   2   3   3   2   1   3   1   2   1   1 
## 351 352 353 354 355 356 358 359 360 361 362 363 364 365 366 367 368 369 370 371 
##   2   2   2   2   3   1   1   2   1   2   1   2   1   1   1   2   2   2   2   1 
## 372 373 374 375 377 378 379 380 381 382 383 384 385 386 387 388 389 390 393 394 
##   2   2   3   2   3   1   1   1   3   3   2   1   2   1   3   2   1   2   2   2 
## 395 396 397 398 399 400 401 402 403 404 405 407 408 409 410 411 413 414 415 416 
##   1   2   2   1   1   1   2   2   2   2   3   2   2   2   1   1   1   1   1   2 
## 417 418 419 420 421 422 424 425 426 427 428 429 431 432 433 434 435 436 437 438 
##   2   3   1   1   2   2   3   1   1   1   3   1   1   3   1   3   2   1   2   2 
## 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 
##   2   2   1   2   3   2   2   1   1   1   2   1   3   1   2   2   2   2   2   1 
## 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 
##   2   3   1   2   1   2   2   2   1   1   2   2   1   2   1   2   2   1   1   2 
## 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 495 496 497 498 499 
##   3   1   1   2   3   2   2   1   2   1   2   1   3   3   1   1   3   2   1   1 
## 500 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 
##   2   1   3   2   1   1   2   1   2   2   2   2   1   3   1   3   1   1   3   2 
## 522 523 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 
##   1   1   2   2   1   2   2   3   1   2   1   2   2   1   1   2   2   1   1   1 
## 543 544 545 546 547 548 549 551 552 553 556 557 558 559 560 561 562 563 564 565 
##   2   2   1   2   2   1   1   1   2   2   2   3   2   2   3   1   2   2   3   2 
## 566 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 586 587 588 
##   1   2   3   1   2   1   1   2   2   2   2   1   1   1   2   3   1   1   3   2 
## 589 590 591 592 593 594 596 597 598 599 600 601 602 603 604 605 606 607 608 609 
##   3   2   1   3   2   2   1   3   2   2   2   2   1   2   2   2   1   1   1   3 
## 610 611 612 613 615 616 617 618 620 621 622 624 625 626 627 628 629 630 631 632 
##   2   2   1   2   3   2   3   3   2   1   2   1   1   1   1   2   2   2   2   2 
## 634 635 636 637 638 639 641 642 643 644 645 646 647 648 649 650 651 652 653 654 
##   1   2   1   3   1   2   1   2   1   3   2   2   2   2   2   2   1   1   2   3 
## 655 656 657 658 
##   3   1   1   2 
## 
## Within cluster sum of squares by cluster:
## [1] 1112.2723  812.0914  185.9224
##  (between_SS / total_SS =  65.0 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

# Ajustar el modelo k-means para diferentes valores de k
set.seed(123) # Para reproducibilidad
wcss <- vector() # Inicializar vector para almacenar los valores de WCSS
max_k <- 10 # Puedes cambiar esto para probar con más clústeres si lo deseas
for (k in 1:max_k) {
  kmeans_model2 <- kmeans(datos_escalados, centers = k, nstart = 25)
  wcss[k] <- kmeans_model2$tot.withinss
}

# Graficar el método del codo

par(mar = c(4, 4, 1, 1)) # Los números representan los márgenes inferior, izquierdo, superior y derecho respectivamente.
plot(1:max_k, wcss, type = "b", xlab = "Numero de Clusters", ylab = "WCSS", main = "Metodo del Codo", pch = 19, frame = FALSE)

# Establecer una semilla para la reproducibilidad
set.seed(123)

# Realizar K-means con 5 clusters
kmeans_result <- kmeans(datos_escalados, centers = 5) #NOMBRAR CLUSTERS
kmeans_result$centers

##            X1         X2          X3         X4         X5         X6
## 1 -1.61054123  0.1517789 -1.98341212 -1.9898343 -1.1576289 -1.4000766
## 2  0.83129248 -0.4176112  1.00262343  0.8901079  0.8774928  0.9141513
## 3 -0.01380956 -0.5973366 -0.46567348  0.1525445 -0.2913054 -0.3501166
## 4  0.92576834 -1.1314610  0.15396022  0.3263983  0.8817878  1.0629117
## 5 -0.44693327  0.9850995 -0.04668226 -0.2566352 -0.5587026 -0.5125792
##            X7         X8         X9        X10
## 1 -0.47628407 -0.9317692 -1.7544436 -1.8418161
## 2  0.02205604  1.1037744  0.9104497  1.0211069
## 3 -0.36755174 -0.5325598  0.7087798  0.2237588
## 4  2.71141810  0.7286057 -0.4198435  0.1927141
## 5 -0.37914502 -0.7556900 -0.4421846 -0.4652172

# Tabla de centroides nos ayuda a definir el nombre del cluster

# Añadir la columna de clusters al DataFrame original
bd2 <- bd
bd2$Cluster <- kmeans_result$cluster

NOMBRES DE CLUSTERS

Al momento de analizar los clusters es escencial tomar en cuenta que si los valores son positivos, esto es algo malo dado a la descripción de las variables. Esto significa que si se tienen valor negativos significativos, entonces ese cluster tiene un buen rendimiento. Es importante considerar esto al momento de describir los clusters.

Cluster 1 = POPULAR - Este cluster tiene la mayor cantidad de valors positivos, por lo cual tiene el peor rendimiento. - Este cluster tiene una mayor cantidad de personas de las que puede albergar. - No tienen acceso a computadoras ni a energia eléctrica

Cluster 2 = PLATA - Pudimos notar que este sector no tiene un fácil acceso para centros educativos para niños de entre 6 a 14 años - Tiene un buen balance entre capacidad de personas y las personas que lo habitan. - Las personas que están en este cluster tienen una educación completa.

Cluster 3 = BASICO - Esta variable tiene diversos valores positivos sin embargos estos no son tan alejados al 0, lo cual nos indidcan que tienen áreas de oportunnidad pero no están en un punto crítico. - Podemos ver que los niños entre 6 y 14 años si asisten a la escuela. - Tienen un acceso completo a los serivicos de agua y electricidad.

Cluster 4 = TRADICIONAL - Este cluster es parecido al cluster básico sin embargo este tiene un mejor rendimeitno general. - Los niños entre 6 y 14 años no asisten a la escuela - Este cluster tiene problemas al momento de tener acceso a la red eléctrica. - No tienen acceso a servicios de agua.

Cluster 5 = PREMIUM - El cluster, con resultados más negativos, lo cual nos indica que tienen un mejor rendimiento. - Tienen buen acceso a la educación en todos los niveles para los niños. - Las personas que viven aquí tienen una educación terminado. - Buen acceso a serviciso - Buen acceso a tecnología - No hay sobresaturación de población.

Separar datos por clusters

datos2 <- bd2[, 13:24]
# datos2

cluster1 <- datos2[datos2$Cluster == "1", ]
# cluster1

cluster2 <- datos2[datos2$Cluster == "2", ]
# cluster2

cluster3 <- datos2[datos2$Cluster == "3", ]
# cluster3

cluster4 <- datos2[datos2$Cluster == "4", ]
# cluster4

cluster5 <- datos2[datos2$Cluster == "5", ]
# cluster5

CART CLUSTER POPULAR

# Establecer la semilla para reproducibilidad
set.seed(123)

# Paso 1: Dividir el conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex1 <- createDataPartition(cluster1$Precio, p = 0.5, list = FALSE, times = 1)
train <- cluster1[trainIndex1, ]
temp <- cluster1[-trainIndex1, ]

# Paso 2: Dividir el conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2 <- createDataPartition(temp$Precio, p = 0.5, list = FALSE, times = 1)
validation <- temp[trainIndex2, ]
test <- temp[-trainIndex2, ]

#####   ARBOLES   ######################################################

# Construir el árbol de decisión
tree <- rpart(Precio ~ ., data = train, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree)

rpart.plot(tree,digits = 4,fallen.leaves = TRUE, type = 3,extra = 101)

# Visualizar la curva de complejidad 
plotcp(tree)

En este arbol podemos ver que solo existen dos variables con un pesos significativo al momento de determinar el precio de un inmueble en este cluster; la cantidad de m^2 y si es que tienen elevador. - Podemos ver que sin un inmueble tiene más de 132 m^2 este tendrá un valor de 9287 miles de pesos. - Observamos que si está en un rango de 94 a 131 m^2 entonces su precio baja casi a la mitad a unos 4974 miles de pesos. - Si teine menos de 94 m^2 entonces el estátus de si tiene elevador o no determina gran parte del precio: - Si es de menos de 94 m^2 y tiene elevador entonces su precio es de 3316 miles de pesos. - Si es de menos de 94 m^2 y aparte NO cuenta con elevador entonces su precio baja a 1947.

################# Validación Cruzada  ##################################

preproc <- preProcess(validation, method = "medianImpute")
validation_clean <- predict(preproc, cluster2)

# Definir el método de control de entrenamiento para la validación cruzada k-fold 10 pliegues o subconjuntos. El modelo se entrena 10 veces
ctrl <- trainControl(method = "cv", number = 100)

# Entrenar el modelo con validación cruzada
tree_model_cv <- train(Precio ~ ., data = validation_clean, 
                       method = "rpart", 
                       trControl = ctrl,
                       tuneLength = 10)

## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.

# Ver los resultados
print(tree_model_cv)

## CART 
## 
## 203 samples
##  11 predictor
## 
## No pre-processing
## Resampling: Cross-Validated (100 fold) 
## Summary of sample sizes: 201, 201, 201, 201, 201, 201, ... 
## Resampling results across tuning parameters:
## 
##   cp            RMSE       Rsquared   MAE     
##   0.0002834503   584.4122  0.9784656  499.7506
##   0.0003427219   586.0774  0.9806928  500.2982
##   0.0005650667   581.8320  0.9795297  496.0889
##   0.0006290269   584.0035  0.9795297  497.9024
##   0.0007199857   584.7713  0.9780567  498.9911
##   0.0021646650   590.4890  0.9773115  503.9503
##   0.0035914010   583.2191  0.9805349  498.6450
##   0.0115531286   614.6026  0.9724640  530.6868
##   0.0302727869   654.7828  1.0000000  563.6262
##   0.7208815849  1003.1627  1.0000000  843.6315
## 
## RMSE was used to select the optimal model using the smallest value.
## The final value used for the model was cp = 0.0005650667.

# Elegir un valor de cp basado en la gráfica y podar el árbol
#(El valor que mas minimiza el error)
pruned_tree <- prune(tree, cp = 0.00196)

# Visualizar el árbol podado
rpart.plot(pruned_tree)

* no se uso el arbol podado debido a la simplicidad del modelo original

###############################

# Realizar predicciones en el conjunto de prueba
predictions <- predict(tree, newdata = test, type = "vector")

# Convertir las predicciones a numeric
predictions <- as.numeric(predictions)
test$Precio <- as.numeric(test$Precio)


#Evaluacion del modelo

#buscamos un valor pequeño
mae <- mae(predictions, test$Precio)
mae

## [1] 1306.899

mse <- mse(predictions, test$Precio)
mse

## [1] 2813056

rmse <- sqrt(mse)
rmse

## [1] 1677.217

#buscamos ser lo mas cercano a 1 (prediccion perfecta)
r_squared <- R2(predictions, test$Precio)
r_squared

## [1] 0.686818

#0.6868 indica un modelo acertivo

CART CLUSTER PLATA

# Establecer la semilla para reproducibilidad
set.seed(123)

# Paso 1: Dividir el conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex1.2 <- createDataPartition(cluster2$Precio, p = 0.5, list = FALSE, times = 1)
train2 <- cluster2[trainIndex1, ]
temp2 <- cluster2[-trainIndex1, ]

# Paso 2: Dividir el conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2.2 <- createDataPartition(temp$Precio, p = 0.5, list = FALSE, times = 1)
validation2 <- temp2[trainIndex2.2, ]
test2 <- temp2[-trainIndex2.2, ]

#####   ARBOLES   ######################################################

# Construir el árbol de decisión
tree2 <- rpart(Precio ~ ., data = train2, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree2)

rpart.plot(tree2,digits = 4,fallen.leaves = TRUE, type = 3,extra = 101)

# Visualizar la curva de complejidad 
plotcp(tree2)

El principal criterio para determinar el valor de una casa son los metros cuadrados de construcción.

Rangos de precios de acuerdo a los M^2 construidos:

• Casas mauyores a los 83 m^2 de construcción: $ 3,009 miles de pesos.
• Casas entre 62 a 83 m^2 de construcción: $ 1341 miles de pesos.
• Casas entre 51 a 62 m^2 de construcción: $ 1162 miles de pesos.
• Casas menores a los 51 m^2 de construcción: $ 831,8 miles de pesos.

Se puede ver una gran diferencia en los precios de las casas mayores a los 83 m^2 comparado con el resto de las casas en este cluster. Podemos ver que valen más del doble, por lo cual si se busca aumentar el valor de una casa se deben de construir más de 83 m^2.

Otra observación importante es la poca diferecia de precios entre el rango de “62 a 83” y de “51 a 62”. Esto nos indica que por una pequeña diferencia de precios puedes tener un departamente relativamente más grande.

################# Validación Cruzada  ##################################

preproc2 <- preProcess(validation2, method = "medianImpute")
validation_clean2 <- predict(preproc2, cluster2)

# Definir el método de control de entrenamiento para la validación cruzada k-fold 10 pliegues o subconjuntos. El modelo se entrena 10 veces
ctrl2 <- trainControl(method = "cv", number = 100)

# Entrenar el modelo con validación cruzada
tree_model_cv_2 <- train(Precio ~ ., data = validation_clean2, 
                       method = "rpart", 
                       trControl = ctrl,
                       tuneLength = 10)

## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.

# Ver los resultados
print(tree_model_cv_2)

## CART 
## 
## 203 samples
##  11 predictor
## 
## No pre-processing
## Resampling: Cross-Validated (100 fold) 
## Summary of sample sizes: 201, 201, 201, 200, 201, 201, ... 
## Resampling results across tuning parameters:
## 
##   cp            RMSE      Rsquared   MAE     
##   0.0002834503  567.2789  0.9951335  489.1554
##   0.0003427219  566.1145  0.9955893  488.3207
##   0.0005650667  560.7730  0.9981814  483.5602
##   0.0006290269  563.0155  0.9981814  485.7536
##   0.0007199857  562.8556  0.9981593  485.6492
##   0.0021646650  564.0630  0.9977082  488.7791
##   0.0035914010  563.4225  0.9971404  485.5317
##   0.0115531286  594.7455  0.9996607  514.5757
##   0.0302727869  639.0332  0.9980681  549.0796
##   0.7208815849  986.8585  1.0000000  835.2946
## 
## RMSE was used to select the optimal model using the smallest value.
## The final value used for the model was cp = 0.0005650667.

# Elegir un valor de cp basado en la gráfica y podar el árbol
#(El valor que mas minimiza el error)
pruned_tree2 <- prune(tree2, cp = 0.00031)

# Visualizar el árbol podado
rpart.plot(pruned_tree2)

*no se uso el arbol podado debido a la simplicidad del original

###############################

# Alinear los niveles de Cocina_equip
test2$Cocina_equip <- factor(test2$Cocina_equip, levels = levels(train2$Cocina_equip))

# Realizar predicciones en el conjunto de prueba
predictions2 <- predict(tree2, newdata = test2, type = "vector")

# Convertir las predicciones a numeric
predictions2 <- as.numeric(predictions2)
test2$Precio <- as.numeric(test2$Precio)

#Evaluacion del modelo

#buscamos un valor pequeño
mae2 <- mae(predictions2, test$Precio)

## Warning in actual - predicted: longer object length is not a multiple of
## shorter object length

mae2

## [1] 3286.232

mse2 <- mse(predictions2, test$Precio)

## Warning in actual - predicted: longer object length is not a multiple of
## shorter object length

mse2

## [1] 19695380

rmse2 <- sqrt(mse2)
rmse2

## [1] 4437.948

#buscamos ser lo mas cercano a 1 (prediccion perfecta)
r_squared2 <- R2(predictions2, test2$Precio)
r_squared2

## [1] 0.4582048

#0.6475 indica un modelo acertivo

CART CLUSTER BÁSICO

# Establecer la semilla para reproducibilidad
set.seed(123)

# Paso 1: Dividir el conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex1.3 <- createDataPartition(cluster3$Precio, p = 0.5, list = FALSE, times = 1)
train3 <- cluster3[trainIndex1.3, ]
temp3 <- cluster3[-trainIndex1.3, ]

# Paso 2: Dividir el conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2.3 <- createDataPartition(temp3$Precio, p = 0.5, list = FALSE, times = 1)
validation3 <- temp3[trainIndex2.3, ]
test3 <- temp3[-trainIndex2.3, ]

#####   ARBOLES   ######################################################

# Construir el árbol de decisión
tree3 <- rpart(Precio ~ ., data = train3, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree3)

rpart.plot(tree3,digits = 4,fallen.leaves = TRUE, type = 3,extra = 101)

# Visualizar la curva de complejidad 
plotcp(tree3)

Los principales criterios para determinar el valor de una casa son: - Número de recámaras - Si es que tienen terrazas - Metros cuadrados de construcción

Rangos de precios de acuerdo a los M^2 construidos:

• Casas con terraza: $ 1017 miles de pesos.
• Casas sin terrazas y más de 3 recámaras: $ 849.7 miles de pesos.
• Casas sin terrazas, menos de 3 recámaras pero más de 63 m^2: $ 704.4 miles de pesos.
• Casas sin terrazas, menos de 3 recámaras y menos de 63 m^2: $ 561.3 miles de pesos.

Se recomienda que si se queire aumentar el valor de una casa en este sector, es importante que tenga terraza, aunque sea pequeña, y que tenga más de tres cuartos. Al contrario, si eres un comprador y andas ajustado de dinero, buscar una casa en este cluster sin terraza te puede ahorrar una cantidad significativa de dinero.

################# Validación Cruzada  ##################################

preproc3 <- preProcess(validation3, method = "medianImpute")
validation_clean3 <- predict(preproc3, cluster3)

# Definir el método de control de entrenamiento para la validación cruzada k-fold 10 pliegues o subconjuntos. El modelo se entrena 10 veces
ctrl3 <- trainControl(method = "cv", number = 100)

# Entrenar el modelo con validación cruzada
tree_model_cv_3 <- train(Precio ~ ., data = validation_clean3, 
                       method = "rpart", 
                       trControl = ctrl,
                       tuneLength = 10)

## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.

# Ver los resultados
print(tree_model_cv_3)

## CART 
## 
## 86 samples
## 11 predictors
## 
## No pre-processing
## Resampling: Cross-Validated (100 fold) 
## Summary of sample sizes: 85, 85, 85, 85, 85, 85, ... 
## Resampling results across tuning parameters:
## 
##   cp          RMSE      Rsquared  MAE     
##   0.00000000  254.5218  NaN       254.5218
##   0.01951037  260.5640  NaN       260.5640
##   0.03902075  250.9251  NaN       250.9251
##   0.05853112  250.9251  NaN       250.9251
##   0.07804149  250.9251  NaN       250.9251
##   0.09755187  250.9251  NaN       250.9251
##   0.11706224  250.9251  NaN       250.9251
##   0.13657261  250.9251  NaN       250.9251
##   0.15608299  265.3102  NaN       265.3102
##   0.17559336  302.9673  NaN       302.9673
## 
## RMSE was used to select the optimal model using the smallest value.
## The final value used for the model was cp = 0.1365726.

# Elegir un valor de cp basado en la gráfica y podar el árbol
#(El valor que mas minimiza el error)
pruned_tree3 <- prune(tree3, cp = 0.13657)

# Visualizar el árbol podado
rpart.plot(pruned_tree3)

* no se uso el arbol podado debido a la simplicidad del modelo original

###############################

# Realizar predicciones en el conjunto de prueba
predictions3 <- predict(tree3, newdata = test3, type = "vector")

# Convertir las predicciones a numeric
predictions3 <- as.numeric(predictions3)
test3$Precio <- as.numeric(test3$Precio)

#Evaluacion del modelo

#buscamos un valor pequeño
mae3 <- mae(predictions3, test3$Precio)
mae3

## [1] 300.5093

mse3 <- mse(predictions3, test3$Precio)
mse3

## [1] 138412.5

rmse3 <- sqrt(mse3)
rmse3

## [1] 372.0383

#buscamos ser lo mas cercano a 1 (prediccion perfecta)
r_squared3 <- R2(predictions3, test3$Precio)
r_squared3

## [1] 0.07631214

#0.07 indica que no hay suficiente evidencia para decir que es un modelo acertivo

#AL TENER 2 CLUSTERS CON CARACTERISTICAS SIMILARES (PROPIEDAD BASICA Y PROPIEDAD TRADICIONAL) TIENE SENTIDO QUE AMBOS MODELOS NO SEAN LO SUFICIENTEMENTE PRECISOS PUES NO HAY LOS SUFICIENTES REGISTROS PARA ENTRENARLOS A DIFERENCIAR UNO DEL OTRO.

CART CLUSTER TRADICIONAL

# Establecer la semilla para reproducibilidad
set.seed(123)

# Paso 1: Dividir el conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex1.4 <- createDataPartition(cluster4$Precio, p = 0.5, list = FALSE, times = 1)
train4 <- cluster4[trainIndex1.4, ]
temp4 <- cluster4[-trainIndex1.4, ]

# Paso 2: Dividir el conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2.4 <- createDataPartition(temp4$Precio, p = 0.5, list = FALSE, times = 1)
validation4 <- temp4[trainIndex2.4, ]
test4 <- temp4[-trainIndex2.4, ]

#####   ARBOLES   ######################################################

# Construir el árbol de decisión
tree4 <- rpart(Precio ~ ., data = train4, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree4)

rpart.plot(tree4,digits = 4,fallen.leaves = TRUE, type = 3,extra = 101)

# Visualizar la curva de complejidad 
plotcp(tree4)

El principal criterio para determinar el valor de una casa son los metros cuadrados de construcción.

Rangos de precios de acuerdo a los M^2 construidos:

• Casas mauyores a los 96 m^2 de construcción: $ 4,636 miles de pesos.
• Casas menores a los 96 m^2 de construcción: $ 2223 miles de pesos.

Podemos ver que existe una gran diferencia si se pasa la barrera de los 96 m^2. Una casa puede valer el doble o la mitad dependiendo del lado del espectro en el que este.

################# Validación Cruzada  ##################################

preproc4 <- preProcess(validation4, method = "medianImpute")
validation_clean4 <- predict(preproc4, cluster4)

# Definir el método de control de entrenamiento para la validación cruzada k-fold 10 pliegues o subconjuntos. El modelo se entrena 10 veces
ctrl4 <- trainControl(method = "cv", number = 100)

# Entrenar el modelo con validación cruzada
tree_model_cv_4 <- train(Precio ~ ., data = validation_clean4, 
                       method = "rpart", 
                       trControl = ctrl,
                       tuneLength = 10)

## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.

# Ver los resultados
print(tree_model_cv_4)

## CART 
## 
## 50 samples
## 11 predictors
## 
## No pre-processing
## Resampling: Cross-Validated (100 fold) 
## Summary of sample sizes: 49, 49, 49, 49, 49, 49, ... 
## Resampling results across tuning parameters:
## 
##   cp          RMSE       Rsquared  MAE      
##   0.00000000   864.1092  NaN        864.1092
##   0.04681156   927.4732  NaN        927.4732
##   0.09362312  1084.4067  NaN       1084.4067
##   0.14043468  1084.4067  NaN       1084.4067
##   0.18724623  1084.4067  NaN       1084.4067
##   0.23405779  1084.4067  NaN       1084.4067
##   0.28086935  1084.4067  NaN       1084.4067
##   0.32768091  1084.4067  NaN       1084.4067
##   0.37449247  1299.7210  NaN       1299.7210
##   0.42130403  1576.7822  NaN       1576.7822
## 
## RMSE was used to select the optimal model using the smallest value.
## The final value used for the model was cp = 0.

# Elegir un valor de cp basado en la gráfica y podar el árbol
#(El valor que mas minimiza el error)
pruned_tree4 <- prune(tree4, cp = 0.13657)

# Visualizar el árbol podado
rpart.plot(pruned_tree4)

* no se uso el arbol podado debido a la simplicidad del modelo original

###############################

# Realizar predicciones en el conjunto de prueba
predictions4 <- predict(tree4, newdata = test4, type = "vector")

# Convertir las predicciones a numeric
predictions4<- as.numeric(predictions4)
test4$Precio <- as.numeric(test4$Precio)

#Evaluacion del modelo

#buscamos un valor pequeño
mae4 <- mae(predictions4, test4$Precio)
mae4

## [1] 1179.25

mse4 <- mse(predictions4, test4$Precio)
mse4

## [1] 2559534

rmse4 <- sqrt(mse4)
rmse4

## [1] 1599.854

#buscamos ser lo mas cercano a 1 (prediccion perfecta)
r_squared4 <- R2(predictions4, test4$Precio)
r_squared4

## [1] 0.1856749

#0.185 indica que no hay suficiente evidencia para decir que es un modelo acertivo

CART CLUSTER PREMIUM

# Establecer la semilla para reproducibilidad
set.seed(123)

# Paso 1: Dividir el conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex1.5 <- createDataPartition(cluster5$Precio, p = 0.5, list = FALSE, times = 1)
train5 <- cluster5[trainIndex1.5, ]
temp5 <- cluster5[-trainIndex1.5, ]

# Paso 2: Dividir el conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2.5 <- createDataPartition(temp5$Precio, p = 0.5, list = FALSE, times = 1)
validation5 <- temp5[trainIndex2.5, ]
test5 <- temp5[-trainIndex2.5, ]

#####   ARBOLES   ######################################################

# Construir el árbol de decisión
tree5 <- rpart(Precio ~ ., data = train5, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree5)

rpart.plot(tree5,digits = 4,fallen.leaves = TRUE, type = 3,extra = 101)

# Visualizar la curva de complejidad 
plotcp(tree5)

Los principales criterios para determinar el valor de una casa son: - M^2 de construcción. - Número de baños. - Si teien terraza o no

Rangos de precios:

• Casas mayores a los 139 m^2 de construcción y más de 2.75 baños: $ 9452 miles de pesos.
• Casas maryor a los 139 m^2 de construcción pero menos de 2.75 baños: $ 8302 miles de pesos.
• Casas entre 121 a 139 m^2 de construcción y más de 2.75 baños: $ 7133 miles de pesos.
• Casas entre 89 a 120 m^2 de construcción: $ 5571 miles de pesos.
• Casas menores a 88 m^2 de construcción y con terraza: $3927 miles de pesos.
• Casas entre 61 a a 88 m^2 de construcción y no tiene terraza: $1962 miles de pesos.
• Casas menores a 61 m^2 de construcción y no tiene terraza: $942.5 miles de pesos.

################# Validación Cruzada  ##################################

preproc5 <- preProcess(validation5, method = "medianImpute")
validation_clean5 <- predict(preproc5, cluster5)

# Definir el método de control de entrenamiento para la validación cruzada k-fold 10 pliegues o subconjuntos. El modelo se entrena 10 veces
ctrl5 <- trainControl(method = "cv", number = 100)

# Entrenar el modelo con validación cruzada
tree_model_cv_5 <- train(Precio ~ ., data = validation_clean5, 
                       method = "rpart", 
                       trControl = ctrl,
                       tuneLength = 10)

## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,
## : There were missing values in resampled performance measures.

# Ver los resultados
print(tree_model_cv_5)

## CART 
## 
## 183 samples
##  11 predictor
## 
## No pre-processing
## Resampling: Cross-Validated (100 fold) 
## Summary of sample sizes: 181, 182, 181, 181, 181, 181, ... 
## Resampling results across tuning parameters:
## 
##   cp           RMSE      Rsquared  MAE     
##   0.005263546  1421.137  1         1296.446
##   0.005794178  1455.417  1         1338.265
##   0.006091701  1435.915  1         1320.283
##   0.008032659  1438.087  1         1317.056
##   0.009008367  1426.416  1         1310.813
##   0.016882122  1412.646  1         1290.048
##   0.024773861  1485.126  1         1356.467
##   0.055071677  1712.048  1         1568.312
##   0.083200306  1968.459  1         1808.835
##   0.636359286  3162.966  1         2996.273
## 
## RMSE was used to select the optimal model using the smallest value.
## The final value used for the model was cp = 0.01688212.

# Elegir un valor de cp basado en la gráfica y podar el árbol
#(El valor que mas minimiza el error)
pruned_tree5 <- prune(tree5, cp = 0.0052)

# Visualizar el árbol podado
rpart.plot(pruned_tree5)

* no se uso el arbol podado debido a la simplicidad del modelo

###############################

# Realizar predicciones en el conjunto de prueba
predictions5 <- predict(tree5, newdata = test5, type = "vector")

# Convertir las predicciones a numeric
predictions5<- as.numeric(predictions5)
test5$Precio <- as.numeric(test5$Precio)

#Evaluacion del modelo

#buscamos un valor pequeño
mae5 <- mae(predictions5, test5$Precio)
mae5

## [1] 1322.535

mse5 <- mse(predictions5, test5$Precio)
mse5

## [1] 3450167

rmse5 <- sqrt(mse5)
rmse5

## [1] 1857.463

#buscamos ser lo mas cercano a 1 (prediccion perfecta)
r_squared5 <- R2(predictions5, test5$Precio)
r_squared5

## [1] 0.7191369

#0.719 indica un modelo acertivo

NOMBRAR CLUSTERS

bd2$Cluster[bd2$Cluster == 1] = "Popular"
bd2$Cluster[bd2$Cluster == 2] = "Plata"
bd2$Cluster[bd2$Cluster == 3] = "Basica"
bd2$Cluster[bd2$Cluster == 4] = "Tradicional"
bd2$Cluster[bd2$Cluster == 5] = "Premium"

TABLA DE CONTINGENCIA

contingency <- table(bd2$Cluster, bd2$Alcaldia)
contingency <- prop.table(contingency, margin = 1) * 100
contingency

##              
##               Alvaro Obregon Azcapotzalco Benito Ju\xe1rez  Coyoacan Cuahtemoc
##   Basica            0.000000     0.000000         0.000000  0.000000  0.000000
##   Plata             0.000000     0.000000         0.000000  0.000000  0.000000
##   Popular           0.000000     0.000000        31.707317 54.878049  0.000000
##   Premium          43.169399    16.393443         0.000000  0.000000 14.754098
##   Tradicional       0.000000     0.000000         0.000000  0.000000  0.000000
##              
##               Cuajimalpa Gustavo A. Madero Iztacalco Iztapalapa
##   Basica        0.000000         91.860465  8.139535   0.000000
##   Plata         0.000000          0.000000  0.000000  46.305419
##   Popular       0.000000          0.000000  0.000000   0.000000
##   Premium       7.650273          0.000000  0.000000   0.000000
##   Tradicional   0.000000          0.000000  0.000000   0.000000
##              
##               La Magdalena Contreras Miguel Hidalgo Milpa alta   Tlahuac
##   Basica                    0.000000       0.000000   0.000000  0.000000
##   Plata                     7.881773       0.000000   5.418719 40.394089
##   Popular                   0.000000      13.414634   0.000000  0.000000
##   Premium                   0.000000       0.000000   0.000000  0.000000
##   Tradicional               0.000000       0.000000   0.000000  0.000000
##              
##                 Tlalpan Venustiano Carranza Xochimilco
##   Basica       0.000000            0.000000   0.000000
##   Plata        0.000000            0.000000   0.000000
##   Popular      0.000000            0.000000   0.000000
##   Premium      0.000000           18.032787   0.000000
##   Tradicional 52.000000            0.000000  48.000000

ALCALDÍAS POR CADA CLUSTER

POPULAR: - Benito Juárez 32% - Coyoacan 55% - Miguel Hidalgo 13%

BÁSICA: - A. Madero 92% - Iztacalco 8%

TRADICIONAL: -Tlalpan

PLATA: - Iztapalapa 46% - La Magdalena Contreras 8% - Milpa Alta 5% - Tlahuac 40%

PREMIUM - Alvaro obregon 43% - Azcapotzalco 16% - Cuahtemoc 15% - Cuajimalpa 8% - Venustiano Carranza 18%

El porcentaje determina el procentaje de casas que representa esa alcaldia en el cluster.

PREDICCIONES

datos_prueba <- read.csv("/Users/pedrovillanueva/Desktop/PRUEBA1.csv", stringsAsFactors = TRUE)

prediccion1 <- predict(tree, newdata= datos_prueba)
prediccion2 <- predict(tree2, newdata= datos_prueba)
prediccion3 <- predict(tree3, newdata= datos_prueba)
prediccion4 <- predict(tree4, newdata= datos_prueba)
prediccion5 <- predict(tree5, newdata= datos_prueba)

cat(
paste("Esta es una demostracion de los que costaria una casa con las mismas caracteristicas en cada tipo de prpiedad (sub-market)"),
paste("Propiedad Popular:", prediccion1[1]),
paste("Propiedad Basica:", prediccion3[1]),
paste("Propiedad Tradicional:", prediccion4[1]),
paste("Propiedad Plata:", prediccion2[1]),
paste("Propiedad Premium:", prediccion4[1]),
  sep = "\n"
)

## Esta es una demostracion de los que costaria una casa con las mismas caracteristicas en cada tipo de prpiedad (sub-market)
## Propiedad Popular: 9287.125
## Propiedad Basica: 1016.81818181818
## Propiedad Tradicional: 4635.5
## Propiedad Plata: 3093
## Propiedad Premium: 4635.5

CONCLUSION

Se puede concluir que este modelo sirve para determinar el cluster en el que una casa puede entrar dependiendo de la alcaldía a la que pertenece. Una vez que se tenga esto se puede llegar aun precio de acuerdo a las caráteristicas de la misma casa.

Es escencial remarcar que esta herramienta no tiene el propósito de excluir a los agentes de bienes raizes, es una herramietna PARA que los agentes puedan determinar mejor el precio de sus propiedad y puedan crear un mejor valor para sus clientes.

Además, es muy importante incluir el factor humano al momento de hacer la compra o venta de un inmueble. Durante la semana tuve la oportunidad de juntarme con el director general de REMAX, una de las compañias de bienes raices más importantes. Durante nuestra plática de alrededor de media hora, hablamos sobre la tecnología que ellos están implementando y ellos están colaborando con otras empresas competidoras para generar un modelo como este. Sin embargo, algo que llamo mucho mi atención fue el factor humano que ellos están considerando. Cuando inicie esta evidencia mi primer pensamietno fue en crear una herramienta que quitara la necesidad de agentes inmobilarios y que cualqueir persona pudiera determinar de manera correcta el precio de un inmueble. Sin embargo, trás mi plática pude recordar que el ser humano debe de ser el elemento MÁS importante al momento de hacer estos modelos y que siempre se debe de considerar a ellos como el cliente final. Al final de nuestra plática me hizo una pregunta que me resono mucho, “¿Cómo tu tecnología ayuda a las familias que están buscando crear un hogar?”; no tuve una respuesta concreta para decirle sin embargo me llevo como un nuevo reto el buscar las maneras en la que estos modelos y porgramas pueden ayudar a las familias y siempre considerar al ser humano como el centro de todos mis modelajes.

Le comparto dos frases que me lleve de la plática con Sergio - gm de remax: - “La tecnología es PARA el ser humano, no el ser humano para la tecnología” - No es lo que la tecnología puede hacer, es lo que el ser humano puede hacer con la tecnología.”