Caso 10. Regesión Múltiple. Precios de casas Durango México

Proceso

1. Librerías
1. Leer los datos
1. Describir y explorar los datos
1. Limpiar datos
1. Conjunto de entrenamiento y conjunto de validación 70%, 30%
1. Determinar el modelo
1. Analizar el modelo
1. Realiza predicciones con conjunto de datos de validación
1. Realizar predicciones con datos nuevos
1. Interpretar el caso

1. Las librerías

library(readr)
library(knitr)
library(dplyr)

## 
## Attaching package: 'dplyr'

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

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

library(caret)  # Para particionar datos

## Loading required package: lattice

## Loading required package: ggplot2

2. Leer los datos

datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/FundamentosMachineLearning/master/datos/datos%20precios%20de%20casas.csv", encoding = "UTF-8")
kable(head(datos))

precio	estacionamientos	recamaras	ba.f1.os	habitaciones	agnio.construccion	construccion	terreno	calle.domicilio	colonia.fraccionamiento	ciudad	descripcion
1780000	2	3	2	5	2020	169	126	Privada San Fernanda	San Fernando- Durango	Durango	Ubicadas en la salida Mazatln- stas casas de tres habitaciones- estn dentro del residencial privado San Fernanda- mismo que cuenta con caseta de vigilancia-…
650000	1	3	1	4	NA	90	90	Prolongacin Jos Mara Pino Surez	Centro	Durango	Casa un piso 3 recamaras 2 baos boiler solar y de paso cochera patio cisterna todos los servicios ambiente familiar….todo cerca- mucho transporte.- buenos servicios.
590000	2	2	2	4	NA	63	90	Centro	Centro	Durango	Casa un piso bonita 3 recamaras 2 baos ambiente familiar boiler solar y de paso cochera todos los servicios
1300000	2	3	2	5	NA	130	120	Centro	Centro	Durango	Casa en venta nueva reas verdes casa en dos plantas diseo moderno acabados de primera- cuenta con 3 recamaras con closets- cocina equipada acero inoxidable-2 baos y medio- terraza- patio amplio jardn rea de servicio hidro gas estacionario cisterna cristales tintex de primera cochera dos autos bonita zona ambiente familiar aplican todos los creditos
1000000	2	2	1	3	NA	110	160	Centro	Centro	Durango	Bonita casa en dos pisos diseo moderno 3 recamras 2 baos y medio cochera todos los servicios ambiente familiar se aceptan todos los creditos
465000	2	3	1	4	NA	53	89	Centro	Centro	Durango	Bonita casa con 2 recamras un bao boiler solar patio jardin cochera diseo moderno

3. Explorar los datos

summary(datos)

##      precio        estacionamientos   recamaras        ba.f1.os    
##  Min.   : 462000   Min.   :0.000    Min.   :1.000   Min.   :1.000  
##  1st Qu.: 655000   1st Qu.:0.000    1st Qu.:2.000   1st Qu.:1.000  
##  Median :1000000   Median :1.000    Median :3.000   Median :2.000  
##  Mean   :1514383   Mean   :1.125    Mean   :2.824   Mean   :1.706  
##  3rd Qu.:1938500   3rd Qu.:2.000    3rd Qu.:3.000   3rd Qu.:2.000  
##  Max.   :8200000   Max.   :3.000    Max.   :5.000   Max.   :4.000  
##                    NA's   :3                                       
##   habitaciones   agnio.construccion  construccion       terreno     
##  Min.   :2.000   Min.   :1995       Min.   : 47.00   Min.   : 47.0  
##  1st Qu.:4.000   1st Qu.:2020       1st Qu.: 75.75   1st Qu.: 90.0  
##  Median :4.500   Median :2020       Median :131.00   Median :126.0  
##  Mean   :4.569   Mean   :2017       Mean   :151.12   Mean   :148.7  
##  3rd Qu.:5.000   3rd Qu.:2020       3rd Qu.:169.75   3rd Qu.:166.0  
##  Max.   :8.000   Max.   :2020       Max.   :606.00   Max.   :512.0  
##                  NA's   :26         NA's   :1                       
##  calle.domicilio    colonia.fraccionamiento    ciudad         
##  Length:51          Length:51               Length:51         
##  Class :character   Class :character        Class :character  
##  Mode  :character   Mode  :character        Mode  :character  
##                                                               
##                                                               
##                                                               
##                                                               
##  descripcion       
##  Length:51         
##  Class :character  
##  Mode  :character  
##                    
##                    
##                    
##

str(datos)

## 'data.frame':    51 obs. of  12 variables:
##  $ precio                 : int  1780000 650000 590000 1300000 1000000 465000 780000 464520 660000 580000 ...
##  $ estacionamientos       : int  2 1 2 2 2 2 2 0 0 NA ...
##  $ recamaras              : int  3 3 2 3 2 3 1 2 3 3 ...
##  $ ba.f1.os               : num  2 1 2 2 1 1 1 1 1 1 ...
##  $ habitaciones           : num  5 4 4 5 3 4 2 3 4 4 ...
##  $ agnio.construccion     : int  2020 NA NA NA NA NA 2020 2020 2020 2020 ...
##  $ construccion           : num  169 90 63 130 110 53 84 47 73 65 ...
##  $ terreno                : num  126 90 90 120 160 89 90 98 112 103 ...
##  $ calle.domicilio        : chr  "Privada San Fernanda" "Prolongaci<f3>n Jos<e9> Mar<ed>a Pino Su<e1>rez" "Centro" "Centro" ...
##  $ colonia.fraccionamiento: chr  "San Fernando- Durango" "Centro" "Centro" "Centro" ...
##  $ ciudad                 : chr  "Durango" "Durango" "Durango" "Durango" ...
##  $ descripcion            : chr  "Ubicadas en la salida Mazatl<e1>n- <e9>stas casas de tres habitaciones- est<e1>n dentro del residencial privado"| __truncated__ "Casa un piso 3 recamaras 2 ba<f1>os boiler solar y de paso cochera patio cisterna todos los servicios ambiente "| __truncated__ "Casa un piso bonita 3 recamaras 2 ba<f1>os ambiente familiar boiler solar y de paso cochera todos los servicios" "Casa en venta nueva <e1>reas verdes casa en dos plantas dise<f1>o moderno acabados de primera- cuenta con 3 rec"| __truncated__ ...

Sólo interesan los datos: * Como variable dependiente: * precio. * Como variables independientes; * estacioamiento, Cuántos estacionamientos * recamaras, Cuántas recámaras * banios, Cuántos baños * construccion. Cantidad de metros contruidos * terreno: Cantidad de metros

4. Limpiar datos

Quitar columnas que no se necesitan
Poner banio al nombre de la variable
Poner 0 los NA en todas las variables porque no tiene estacionamiento

datos <- datos[,c(1,2,3,4,7,8)]
names(datos)[4] <- c("banio")
datos <- mutate(datos, estacionamientos = ifelse(is.na(estacionamientos) ,0,estacionamientos ))


head(datos)

##    precio estacionamientos recamaras banio construccion terreno
## 1 1780000                2         3     2          169     126
## 2  650000                1         3     1           90      90
## 3  590000                2         2     2           63      90
## 4 1300000                2         3     2          130     120
## 5 1000000                2         2     1          110     160
## 6  465000                2         3     1           53      89

# Exportar los datos limpios
# write.csv(datos, "../datos/precio.casas.limpio.csv")

5. Conjunto de entrenamiento y conjunto de validación 70%, 30%

set.seed(2020)
entrena <- createDataPartition(y = datos$precio, p = 0.7, list = FALSE, times = 1)

# Datos entrenamiento
datos.entrenamiento <- datos[entrena, ]  # [renglones, columna]

# Datos validación
datos.validacion <- datos[-entrena, ]

kable(head(datos.entrenamiento, 10), caption = "Datos de entrenamiento  (primeros diez)", row.names = 1:nrow(datos.entrenamiento))

Datos de entrenamiento (primeros diez)
	precio	estacionamientos	recamaras	banio	construccion	terreno
2	650000	1	3	1	90	90
3	590000	2	2	2	63	90
4	1300000	2	3	2	130	120
5	1000000	2	2	1	110	160
7	780000	2	1	1	84	90
8	464520	0	2	1	47	98
10	580000	0	3	1	65	103
11	1550000	2	3	2	155	126
12	640000	0	2	1	NA	90
14	480000	0	2	1	53	90

kable(head(datos.validacion, 10), caption = "Datos de validación  (primeros diez)", row.names = 1:nrow(datos.entrenamiento))

Datos de validación (primeros diez)
	precio	estacionamientos	recamaras	banio	construccion	terreno
1	1780000	2	3	2.0	169.00	126
6	465000	2	3	1.0	53.00	89
9	660000	0	3	1.0	73.00	112
13	2350000	2	3	2.5	194.56	203
16	1000000	2	3	2.0	110.00	120
23	660000	0	3	1.0	73.00	112
25	1750000	1	3	2.0	154.00	130
32	2100000	0	4	2.0	151.00	151
34	640000	1	2	1.0	60.00	90
35	462000	1	2	1.0	47.00	90

6. Determinar el modelo

modelo <- lm(formula = precio ~ ., datos.entrenamiento)


summary(modelo)

## 
## Call:
## lm(formula = precio ~ ., data = datos.entrenamiento)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -943487 -164375   38426  201582 1255070 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)       -980740     287915  -3.406 0.001840 ** 
## estacionamientos   -75542      85311  -0.885 0.382714    
## recamaras          -73962     110674  -0.668 0.508896    
## banio              599112     145930   4.105 0.000272 ***
## construccion         1786       1663   1.074 0.291058    
## terreno              9738       1719   5.666 3.18e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 417700 on 31 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.9332, Adjusted R-squared:  0.9225 
## F-statistic: 86.68 on 5 and 31 DF,  p-value: < 2.2e-16

7. Analizar el modelo

8. Realizar predicciones con conjunto de datos de validación

prediccion <- predict(object = modelo, newdata =  datos.validacion)

prediccion

##         1         6         9        13        16        23        25        32 
## 1373425.4  206790.9  617581.9 2468495.1 1209608.0  617581.9 1461127.3 1661854.7 
##        34        35        45        49        51 
##  378536.5  355315.7 1085880.3  916617.4 2928514.4

Ver los datos en una tabla

predicciones <- data.frame(datos.validacion, prediccion)

kable(predicciones)

	precio	estacionamientos	recamaras	banio	construccion	terreno	prediccion
1	1780000	2	3	2.0	169.00	126	1373425.4
6	465000	2	3	1.0	53.00	89	206790.9
9	660000	0	3	1.0	73.00	112	617581.9
13	2350000	2	3	2.5	194.56	203	2468495.1
16	1000000	2	3	2.0	110.00	120	1209608.0
23	660000	0	3	1.0	73.00	112	617581.9
25	1750000	1	3	2.0	154.00	130	1461127.3
32	2100000	0	4	2.0	151.00	151	1661854.7
34	640000	1	2	1.0	60.00	90	378536.5
35	462000	1	2	1.0	47.00	90	355315.7
45	960000	1	3	2.0	162.00	90	1085880.3
49	1200000	1	3	1.5	115.00	112	916617.4
51	3450000	2	3	2.0	200.00	280	2928514.4

9. Realizar predicciones con datos nuevos

estacionamientos
banio
recamaras
construccion
terreno

estacionamientos <- 2
recamaras <- 3
banio <- 2
construccion <- 250
terreno = 201

nuevos.datos <- data.frame(estacionamientos=estacionamientos,recamaras=recamaras, banio=banio, construccion=construccion,terreno=terreno)

prediccion <- predict(object = modelo, 
                      newdata = nuevos.datos)
                      
                      

paste("El valor del precio predicho es: ", round(prediccion, 2))

## [1] "El valor del precio predicho es:  2248490.41"

10. Interpretar el caso

Expresar ideas sobre el caso, individuales, innovadoras, constructivas, enriquecedoras, claras, consistentes, hiladas. de 80 a 100 palabras