• Consideraciones iniciales.
• Transformación de datos.
• Modelos avanzados.
• Interpretación de resultados.
• Próximos pasos.

• Se comenzó con la consigna de la parte 1:
  • Variables a considerar:
    • lat, lon, l3, rooms, bedrooms, bathrooms, surface_total, surface_covered, property_type, price.
  • Filtrado de valores:
    • Capital Federal.
    • Departamento, PH, Casa.
• Random state = 42 para todos los procesos aleatorios.

• Análisis de valores faltantes.
• Resultado más curioso:
  • Variables: latitud y longitud.
  • Tipo de variable: MAR.
  • Mayor cantidad en las zonas más costosas.
• En esta primera fase se decidió eliminar todos los datos faltantes.

Para tener en cuenta según el problema a tratar:

¡Precaución!

1. Hacer primero el encoding antes del train/test split.
2. Asegurarse que las etiquetas existan en ambos conjuntos.

• Es el primer proceso que se hace luego del train/test split.
• Se aplicó StandardScaler únicamente en los atributos numéricos.

• Se aplicó PCA.
• Mantener el 95% de la varianza.
• Se obtuvo 6 componentes (95,96%).
• Se graficaron los 3 primeros componentes: 52% - 16% - 13%.
• Mejora de un 43% aproximadamente para el árbol de decisión.

• Se usaron los siguientes modelos con hiper-parámetros por defecto:
  • Lasso (regresión lineal con regularización).
  • Random Forest (Bagging).
  • XGBoost (Boosting).

• Optimización de hiper-parámetros.
• Usar PolynomialFeatures con Lasso.
• Construir los modelos con el dataset completo.
• Imputación de valores:
  • Usar KNN con latitud y longitud por barrio.
  • Usar regresión lineal con superficie cubierta y total.
• Análisis de residuos con los nuevos resultados.
• Clustering:
  • Validar etiquetas de barrios y tipo de propiedad.