DOMINIO DE LAS CIENCIAS//(VOL. 8, NUM. 1 ENERO-MARZO 2022)
Volumen: 8, Numero: 1, Páginas: 916-930 pp.
Data mining allows the extraction of information, data classification and data processing, in order to know their behavior, to make predictions and for effective decision making. The objective of this research is to determine which are the most used data mining techniques for the analysis of real estate capital gains. For this purpose, a literature review, content analysis and the application of a grounded theory design are used. In the research analyzed it was possible to determine that the data mining techniques applied to predict real estate prices are: Artificial Neural Networks, Cluster Analysis, Decision Tree, Regression Models, Statistical Models, Naive Bayesian Classifier, K-Neighbors Algorithm, AdaBoost Algorithm, evidencing that the Artificial Neural Networks technique is the one with the best results. With respect to the data variables of each property 27 were found among the most important are presented the type of property, location, price, land area, construction area, number of floors, number of bedrooms, number of bathrooms, number of parking spaces or garage among others, in addition, data from publications in social networks and real estate websites of the city of Riobamba were analyzed. The results provided by this research are useful for the application of data mining techniques in real estate investment research or real estate appraisal predictions.
La minería de datos permite la extracción de información, la clasificación de datos y el procesamientode los mismos, para conocer su comportamiento, realizar predicciones y para la toma efectiva dedecisiones. Esta investigación tiene como objetivo determinar cuáles son las técnicas de minería dedatos más utilizadas para el análisis de la plusvalía inmobiliaria, para ello se hace uso de una revisiónbibliográfica, análisis de contenido y la aplicación de un diseño de teoría fundamentada. En lasinvestigaciones analizadas se pudo determinar que las técnicas de minería de datos aplicadas parapredecir precios en bienes raíces son: Redes Neuronales Artificiales, Análisis Clúster, Árbol dedecisión, Modelos de regresión, Modelos estadísticos, Clasificador Bayesiano Ingenuo, AlgoritmoK-Neighbors, Algoritmo AdaBoost, evidenciando que la técnica de Redes Neuronales Artificiales esla que mejores resultados presenta. Con respecto a las variables de datos de cada propiedad seencontraron 27 entre las más importantes se presentan el tipo de propiedad, ubicación, precio, áreade terreno, área de construcción, número de pisos, número de habitaciones, número de baños, númerode estacionamientos o garaje, entre otras, además se analizaron los datos de las publicaciones en redessociales y sitios web de inmobiliarias de la ciudad de Riobamba. Los resultados proporcionados poresta investigación son útiles para la aplicación de técnicas de minería de datos en investigacionessobre inversiones inmobiliarias o predicciones del avalúo inmobiliario.