Formulación del problema relacionado con el aprendizaje automático

¿Qué tipo de tarea debe realizar el modelo?

El modelo debe ser capaz de predecir un precio razonable para la casa en función de varios parámetros de entrada.

¿Qué tipo de experiencia (conjunto de datos de entrenamiento) necesitaría proporcionar para que el modelo pudiera aprender a poner precio a una vivienda?

El modelo de aprendizaje automático necesita acceso a datos históricos de ventas, como el precio por el que se vendió la casa, cuánto tiempo estuvo la casa en el mercado antes de venderse y varias características de la casa, como su tamaño, número de dormitorios, baños, ubicación, etc. Dado que los precios, las preferencias de los clientes, las condiciones actuales del mercado y otras tendencias cambian, también deberá proporcionar acceso a información actualizada a lo largo del tiempo para evitar la obsolescencia del modelo.

Una vez que haya creado un prototipo de modelo de aprendizaje automático, ¿cómo podría evaluar el rendimiento del modelo (es decir, su capacidad para identificar un precio de venta óptimo)?

Puede entrenar el modelo utilizando un conjunto de datos que muestre el precio de venta real de las casas. Una vez que se ha entrenado el modelo, puede usar otro conjunto de datos (diferente del que usó para entrenar el modelo) para probar qué tan cerca está el modelo de predecir con precisión los precios reales de venta de esas casas.

Con el tiempo, después de que la compañía de bienes raíces haya comenzado a usar la herramienta, ¿cómo podría evaluar si la nueva herramienta benefició a la empresa?

Puede utilizar las herramientas de análisis de datos para examinar qué tanto coincidían los precios de venta reales con el precio de lista. Puede realizar la misma comparación utilizando datos históricos de ventas de antes de que la empresa comenzara a usar la herramienta para determinar cómo cambiaron las cosas desde que se implementó la herramienta. También puede examinar cuánto tiempo permanecieron las casas en el mercado antes de que se vendieran. También puede analizar los datos de comentarios de los clientes para determinar cómo cambiaron las percepciones de los clientes (vendedores) desde que implementó la herramienta.

¿Es adecuada una solución de aprendizaje automático para este problema?

Sí. Esto parece ser un problema estadístico, el cual es adecuado para el aprendizaje automático. Los patrones y tendencias que determinan un precio adecuado cambiarán con el tiempo. Mientras que un programador podría ser capaz de programar una aplicación de software tradicional para proporcionar buenas estimaciones de precios, se deberá actualizar el programa con el tiempo para abordar las tendencias cambiantes. Un modelo de aprendizaje automático puede actualizarse automáticamente a medida que se agregan datos históricos y surgen nuevos patrones.