[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-123533-es":3,"doc-seo-123533-110":30,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},123533,8796095027276,"Valentina","https://avatar.qwps.com/avatar/d3BzX2FwX3Rlc3RfMjUxMTI2XzAxODA=",41,"Investigación e Informes","Predicción de Precios Inmobiliarios en Córdoba mediante Modelos Hedónicos y Machine Learning - Trabajo final de grado","Este trabajo compara el desempeño predictivo y la interpretabilidad del modelo de precioshedónicos (HPM) frente a Random Forest y XGBoost en la valuación inmobiliaria de la ciudad de Córdoba. Se construyó un dataset mediante web scraping de Zonaprop (junio 2025) con variables estructurales, de localización y de entorno socioeconómico. Se estimó HPM con OLS y se entrenaron modelos de Machine Learning optimizados con validación cruzada. La evaluación usa R², MAE, RMSE y MAPE, y se analiza interpretabilidad integrando coeficientes hedónicos con SHAP. Los resultados muestran mayor precisión de XGBoost y Random Forest y recupero coherente de interpretabilidad vía XAI.","TRABAJO FINAL DE GRADO  \nPredicción de Precios Inmobiliarios en Córdoba mediante Modelos  \nHedónicos y Machine Learning  \nAutor: Juan Manuel Correa Director: Mg. David Augusto Giuliodori  \nUniversidad Nacional de Córdoba Facultad de Ciencias Económicas Licenciatura en Economía  \n9 de diciembre de 2025  \nPredicción de Precios Inmobiliarios en Córdoba mediante Modelos Hedónicos y Machine Learning © 2025 by Juan Manuel Correa is licensed under CC BY-NC-ND 4.0  \nRESUMEN  \nEste trabajo compara el desempeño predictivo y la interpretabilidad del modelo de precioshedónicos (HPM) frente a algoritmos de Machine Learning (Random Forest y XGBoost) en lavaluación inmobiliaria de la ciudad de Córdoba. El objetivo es evaluar si los modelos de Machine Learning superan al enfoque hedónico en precisión sin perder interpretabilidad económica. Se construyó un dataset mediante web scraping de Zonaprop (junio 2025) con variables estructurales, de localización y de entorno socioeconómico. Se estimó un modelo hedónico mediante OLS y seentrenaron modelos de Random Forest y XGBoost optimizados con validación cruzada. El desempeño se evaluó mediante R², MAE, RMSE y MAPE, y la interpretabilidad se analizó combinando coeficientes hedónicos con valores SHAP. Los resultados confirman que XGBoost y Random Forest superan ampliamente al HPM en precisión predictiva, mientras que las técnicas XAI permiten recuperar interpretabilidad de manera coherente. Ambos enfoques identifican los mismos determinantes centrales del precio (superficie, baños, localización, estrato socioeconómico), validando la complementariedad metodológica. Se concluye que la integraciónde ambos enfoques es óptima para aplicaciones prácticas en la valuación inmobiliaria.  \nÍNDICE GENERAL  \n1. Introducción ........................................................................................................................... 1  \n1.1 Contexto general ............................................................................................................... 1  \n1.2 Fundamento teórico ........................................................................................................... 2  \n1.3 Fundamento metodológico ................................................................................................ 3  \n1.4 Revisión de la literatura..................................................................................................... 5  \n1.5 Objetivo general y específicos ........................................................................................... 8  \n2. Metodología ......................................................................................................................... 10  \n2.1 Recolección y dataset ...................................................................................................... 10  \n2.2 Preprocesamiento de datos .............................................................................................. 11  \n2.2.1 Limpieza y filtrado inicial ......................................................................................... 12  \n2.2.2 Tratamiento de valores faltantes................................................................................ 12  \n2.2.3 Extracción de información textual............................................................................. 14  \n2.2.4 Enriquecimiento geográfico ...................................................................................... 17  \n2.2.5 Detección y eliminación de outliers e inconsistencias................................................ 21  \n2.2.6 Creación de interacciones ......................................................................................... 23  \n2.3 Modelos y entrenamiento ................................................................................................ 25  \n2.3.1 Partición de datos...................................................................................................... 25  \n2.3.2 Codificación de varia","cbCairI96nDNnMEb","https://ap.wps.com/l/cbCairI96nDNnMEb","pdf",2497204,1,68,"Spanish","es",110,"# Introducción\n## Contexto general\n## Fundamento teórico\n## Fundamento metodológico\n## Revisión de la literatura\n## Objetivo general y específicos\n# Metodología\n## Recolección y dataset\n## Preprocesamiento de datos\n## Modelos y entrenamiento\n## Métricas de evaluación\n## Interpretabilidad\n## Herramientas y reproducibilidad\n# Resultados\n## Evaluación y comparación del desempeño","[{\"question\":\"Cuál es el objetivo principal del trabajo?\",\"answer\":\"Comparar el desempeño predictivo y la interpretabilidad de HPM frente a algoritmos de Machine Learning para evaluar si se mejora la precisión sin perder significado económico.\"},{\"question\":\"Cómo se construyó el dataset utilizado en la investigación?\",\"answer\":\"Se construyó mediante web scraping de Zonaprop (junio 2025) e incluye variables estructurales, de localización y de entorno socioeconómico.\"},{\"question\":\"Qué métricas y métodos se emplean para evaluar y explicar los modelos?\",\"answer\":\"Se emplean R², MAE, RMSE y MAPE; la interpretabilidad se analiza combinando coeficientes del modelo hedónico (OLS) con valores SHAP y técnicas XAI.\"}]","Predicción de Precios Inmobiliarios en Córdoba mediante Modelos Hedónicos y Machine Learning - Trabajo final de grado | PDF",1785817172,105,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"real-estate-price-prediction-in-cordoba-using-hedonic-models-and-machine-learning-final-undergraduate-thesis","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/es/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/es/document/real-estate-price-prediction-in-cordoba-using-hedonic-models-and-machine-learning-final-undergraduate-thesis/123533/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-15","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Cuál es el objetivo principal del trabajo?","Question",{"text":76,"@type":77},"Comparar el desempeño predictivo y la interpretabilidad de HPM frente a algoritmos de Machine Learning para evaluar si se mejora la precisión sin perder significado económico.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Cómo se construyó el dataset utilizado en la investigación?",{"text":81,"@type":77},"Se construyó mediante web scraping de Zonaprop (junio 2025) e incluye variables estructurales, de localización y de entorno socioeconómico.",{"name":83,"@type":74,"acceptedAnswer":84},"Qué métricas y métodos se emplean para evaluar y explicar los modelos?",{"text":85,"@type":77},"Se emplean R², MAE, RMSE y MAPE; la interpretabilidad se analiza combinando coeficientes del modelo hedónico (OLS) con valores SHAP y técnicas XAI.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":46,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":46,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":46,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]