Melbourne Housing Market

Contexto

Este ejercicio usa el dataset de viviendas de Melbourne para estimar el precio de venta en funcion de variables estructurales y de localizacion. El problema se aborda como una regresion supervisada con un pipeline completo de preprocesado y ajuste del modelo.

El notebook combina analisis exploratorio, filtrado de outliers, transformacion de variables categoricas de alta cardinalidad y entrenamiento de un modelo de bosque aleatorio optimizado con GridSearchCV.

Que se hace en el notebook

• Carga de datos desde Kaggle y revision inicial del dataset.
• Matriz de correlacion de variables numericas para detectar relaciones utiles.
• Filtrado del 1% inferior y superior del precio para reducir outliers extremos.
• Eliminacion de columnas con alta cardinalidad o ruido (por ejemplo Address y Date).
• Separacion train/test y limpieza de nulos en la variable objetivo.
• Preprocesado con ColumnTransformer: imputacion + TargetEncoder para categoricas y escalado para numericas.
• Entrenamiento de RandomForestRegressor dentro de Pipeline.
• Tuning de hiperparametros con GridSearchCV y evaluacion final con R2 y RMSE en validacion cruzada.

Decisiones tecnicas clave

• TargetEncoder en lugar de One-Hot para evitar explosion de columnas en variables categoricas con muchas categorias.
• Recorte por cuantiles (1%-99%) para reducir el impacto de propiedades extremadamente caras o baratas.
• Random Forest por su robustez frente a no linealidad e interacciones entre variables inmobiliarias.
• GridSearchCV para ajustar profundidad, numero de arboles y criterios minimos de division/hoja.

Resultados y conclusiones

• El modelo logra una capacidad predictiva util para estimar precio sobre datos no vistos.
• La validacion cruzada con RMSE aporta una lectura mas interpretable del error medio en unidades monetarias.
• El filtrado de outliers y el encodeo por target mejoran la estabilidad del entrenamiento.
• Como siguiente mejora, se puede comparar con XGBoost o LightGBM y validar por periodos temporales para simular escenario real.

Licencia y creditos

Dataset: Melbourne Housing Market en Kaggle. Proyecto realizado con fines formativos.

© 2026 Eloy Garcia Martinez.