🏡📈Predicción_de_Precio_Bienes_Raíces📈🏡

En el notebook "Bienes_Raices.ipynb", se encuentra el proceso de entrenamiento de distintos modelos de Machine Learning Supervisado de Regresión Lineal con el objetivo de predecir el precio de una casa dependiendo de sus características.

En este notebook se hace lo siguiente🔎:

• Recolección de datos.
• Procesamiento de datos:
  • Verificación de cantidad de datos a analizar.
  • Verificación de datos nulos.
  • Eliminación de columnas.
• Exploración de datos:
  • Visualización de datos.
  • Distribución asimétrica a distribución simétrica.
• Entrenamiento de diferentes modelos de regresión.
• Validación de los modelos.
• Optimización de modelos.
• Validación de los modelos optimizados.
• Prueba de predicción con el mejor modelo.

Librerías usadas📚:

• Pandas para manipulación y análisis de datos.
• Numpy para trabajar con distintas funciones matemáticas.
• Matplotlib y Seaborn para visualización de datos.
• Sklearn (Scikit-Learn) para transformación de datos, entrenamiento de diferentes modelos de machine learning y validación de modelos.

Link del Dataset usado para el modelo de machine learning🔗:

https://www.kaggle.com/datasets/harlfoxem/housesalesprediction