{"id":31649274,"url":"https://github.com/alexkhype/04python-carpricepredictor","last_synced_at":"2026-04-05T21:01:38.726Z","repository":{"id":316487733,"uuid":"1063473827","full_name":"alexkhype/04Python-CarPricePredictor","owner":"alexkhype","description":"Modelo de machine learning para predecir el valor de mercado de autos usados, optimizando precisión y eficiencia.","archived":false,"fork":false,"pushed_at":"2025-09-24T22:03:22.000Z","size":792,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2025-10-07T07:43:11.673Z","etag":null,"topics":["catboost","data-science","lightgbm","machine-learning","numpy","pandas","python","sklearn","statistics","xgboost"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/alexkhype.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":null,"dco":null,"cla":null}},"created_at":"2025-09-24T17:13:13.000Z","updated_at":"2025-09-24T22:03:26.000Z","dependencies_parsed_at":"2025-09-24T23:28:37.296Z","dependency_job_id":"589b38bd-d733-4b68-bccb-129d260d5255","html_url":"https://github.com/alexkhype/04Python-CarPricePredictor","commit_stats":null,"previous_names":["alexkhype/04python-carpricepredictor"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/alexkhype/04Python-CarPricePredictor","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/alexkhype%2F04Python-CarPricePredictor","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/alexkhype%2F04Python-CarPricePredictor/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/alexkhype%2F04Python-CarPricePredictor/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/alexkhype%2F04Python-CarPricePredictor/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/alexkhype","download_url":"https://codeload.github.com/alexkhype/04Python-CarPricePredictor/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/alexkhype%2F04Python-CarPricePredictor/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":31449836,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-05T15:22:31.103Z","status":"ssl_error","status_checked_at":"2026-04-05T15:22:00.205Z","response_time":75,"last_error":"SSL_connect returned=1 errno=0 peeraddr=140.82.121.5:443 state=error: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["catboost","data-science","lightgbm","machine-learning","numpy","pandas","python","sklearn","statistics","xgboost"],"created_at":"2025-10-07T07:41:53.999Z","updated_at":"2026-04-05T21:01:38.681Z","avatar_url":"https://github.com/alexkhype.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Machine Learning para Predecir Precios de Coches\n\n## Tabla de Contenidos\n- [Descripción](#Descripción)\n- [Datos](#Datos)\n- [Análisis](#Análisis)\n- [Tecnologías y herramientas](#Tecnologías-y-herramientas)\n- [Resultados](#Resultados)\n- [Contribuciones](#Contribuciones)\n- [Licencia](#Licencia)\n- [Contacto](#Contacto)\n\n## Descripción\nEste proyecto desarrolla un modelo de machine learning para predecir el valor de mercado de autos usados, basándose en especificaciones técnicas, versiones de equipamiento y precios históricos. El objetivo es optimizar calidad, velocidad y tiempo de entrenamiento para apoyar la aplicación comercial Rusty Bargain.\n\n## Datos\nSe utilizaron XXX conjuntos de datos principales:  \n- **car_data.csv**: DataFrame con 354,369 registros y 16 columnas, que incluye datos técnicos, categóricos y temporales sobre autos usados y sus valores de mercado.\n\n## Análisis\nEl enfoque incluyó:  \n- Importación y preparación de datos, con limpieza y selección de 10 columnas relevantes sobre 354,369 registros.\n- Manejo de valores ausentes, duplicados y unificación de categorías para mejorar la calidad del dataset.\n- Visualización para detectar distribución de variables clave como tipo de vehículo, transmisión y marca.\n- Comparación de modelos de machine learning evaluando precisión y rapidez mediante un índice compuesto.\n- Ajuste de hiperparámetros en modelos de gradiente potenciado para optimización.\n\n## Tecnologías y herramientas\n- Python 3.9 para desarrollo general y análisis de datos\n- Pandas y NumPy para manipulación y procesamiento de datos\n- Matplotlib y Seaborn para visualización gráfica\n- Scikit-learn para preprocesamiento, partición de datos, modelado y evaluación\n- XGBoost, LightGBM y CatBoost para modelos avanzados de boosting\n- Jupyter Notebook para desarrollo interactivo y documentación\n\n## Resultados\n- Identificada alta variabilidad y valores atípicos en los precios, ajustados para evitar sesgos.\n- Los modelos XGBoost y LightGBM mostraron el mejor balance entre precisión y eficiencia.\n- XGBoost seleccionado como el modelo definitivo con un índice compuesto de 0.0992 para la predicción.\n- El modelo cumple con los requisitos de calidad, tiempo de predicción y entrenamiento establecidos.\n\n## Contribuciones\nBienvenidas sugerencias, correcciones y nuevas visualizaciones. Por favor, abre un issue o pull request para colaborar.\n\n## Licencia\nEste proyecto está bajo la licencia MIT.\n\n## Contacto\nNombre: Alejandro M. García  \nEmail: [alexkhype@gmail.com](mailto:alexkhype@gmail.com)  \nLinkedIn: [linkedin.com/in/amggl](https://linkedin.com/in/amggl)\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Falexkhype%2F04python-carpricepredictor","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Falexkhype%2F04python-carpricepredictor","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Falexkhype%2F04python-carpricepredictor/lists"}