Una revisión sistemática de la literatura sobre la precisión de modelos de aprendizaje automático aplicados a la tasación de bienes raíces

Resumen

El objetivo del presente documento es identificar los modelos de Aprendizaje Automático (AA) más precisos para predecir el valor de una propiedad inmobiliaria, basándose en una Revisión Sistemática de la Literatura (RSL). La cual se realizó de investigaciones publicadas entre 2022 y 2023 que analizaron la precisión de modelos de AA en la valuación inmobiliaria. Se extrajo información sobre los modelos de AA utilizados, las bases de datos empleadas y los modelos destacados por su precisión. Por último, se identificó una variedad de modelos de AA utilizados en la valuación inmobiliaria, incluyendo Random Forest (RF), XGBoost, Gradient Boosting Machine (GBM), Regresión Lineal (LR) y Regresión Lasso. Los modelos RF y LR se destacaron como los más precisos en las investigaciones analizadas, encontrando que la precisión de los modelos de AA varía según la base de datos, las características de las propiedades y el contexto de la valuación. Concluyendo que los modelos de AA, como RF y LR, son herramientas prometedoras para mejorar la precisión de la valuación inmobiliaria. Además, la elección del mejor modelo de AA depende de factores como la base de datos, las características de las propiedades y los objetivos específicos de la valuación. Es necesario continuar investigando la aplicación de AA en la valuación inmobiliaria, considerando aspectos como la interpretabilidad de los modelos y el contexto del mercado inmobiliario.