{"id":21489859,"url":"https://github.com/rociobenitez/airbnb-data-mining","last_synced_at":"2025-06-23T00:02:48.392Z","repository":{"id":217123932,"uuid":"743132769","full_name":"rociobenitez/airbnb-data-mining","owner":"rociobenitez","description":"Análisis detallado y modelado predictivo de alojamientos en Madrid utilizando técnicas de Big Data y estadística en R, enfocado en optimización de datos y predicción de características de propiedades.","archived":false,"fork":false,"pushed_at":"2024-01-14T12:53:32.000Z","size":15500,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-03-17T11:12:13.247Z","etag":null,"topics":["airbnb","data-analysis","data-mining","estadistica","prediction-model","predictive-analytics","predictive-modeling","qmd","r","rstudio"],"latest_commit_sha":null,"homepage":"","language":null,"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/rociobenitez.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}},"created_at":"2024-01-14T12:41:01.000Z","updated_at":"2024-01-14T13:03:38.000Z","dependencies_parsed_at":null,"dependency_job_id":"7d5ab301-988d-4825-a598-617d1248d20a","html_url":"https://github.com/rociobenitez/airbnb-data-mining","commit_stats":null,"previous_names":["rociobenitez/airbnb-data-mining"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/rociobenitez/airbnb-data-mining","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rociobenitez%2Fairbnb-data-mining","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rociobenitez%2Fairbnb-data-mining/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rociobenitez%2Fairbnb-data-mining/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rociobenitez%2Fairbnb-data-mining/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/rociobenitez","download_url":"https://codeload.github.com/rociobenitez/airbnb-data-mining/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/rociobenitez%2Fairbnb-data-mining/sbom","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":261386700,"owners_count":23150865,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","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":["airbnb","data-analysis","data-mining","estadistica","prediction-model","predictive-analytics","predictive-modeling","qmd","r","rstudio"],"created_at":"2024-11-23T14:28:48.343Z","updated_at":"2025-06-23T00:02:43.370Z","avatar_url":"https://github.com/rociobenitez.png","language":null,"funding_links":[],"categories":[],"sub_categories":[],"readme":"# Análisis de Datos de Alojamientos en Madrid con R\n\n## Introducción 📊\n\nEste análisis se ha realizado en el lenguaje de programación R, utilizando RStudio como IDE, con el objetivo de **entender y predecir los metros cuadrados de los alojamientos en Madrid**. R es un lenguaje gratuito y open-source, ideal para la estadística y la visualización de datos, mientras que RStudio proporciona una interfaz amigable y funcional para trabajar con R.\n\n## Instalación y Configuración 💻\n\n### R\n\nEs necesario instalar R desde su [página principal](https://www.r-project.org/) siguiendo las instrucciones específicas para Windows, Mac-OS, o Linux.\n\n### RStudio\n\nDespués de instalar R, continua con la instalación de RStudio, disponible de forma gratuita bajo la licencia AGPL v3 en [posit.co](https://posit.co/download/rstudio-desktop/).\n\nEn esta práctica se han usado notebooks de Quarto.\n\n## Resumen de la práctica 👩🏼‍💻\n\nLa práctica consiste en una serie de ejercicios para limpiar, transformar y analizar un conjunto de datos de propiedades en Madrid. Se han realizado en ella tareas como la conversión de unidades, manejo de valores faltantes, agrupación de barrios, y modelado estadístico para predecir metros cuadrados de alojamientos sin datos.\n\nDurante la práctica, se desarrollaron dos cuadernos de Quarto donde se experimentaron dos enfoques distintos para el manejo de datos atípicos y valores faltantes:\n\n- **Opción A** (`Practica.qmd`): Este enfoque conservó los valores atípicos (outliers) dentro del conjunto de datos, tratándolos como variaciones reales y no como errores. Se implementaron dos modelos de regresión lineal para evaluar cómo cada uno afectaba las predicciones.\n\n- **Opción B** (`Practica-Sin-Outliers.qmd`): En contraste, esta opción exploró el efecto de eliminar los valores atípicos para entender cómo su ausencia impactaría el análisis.\n\nTras un análisis comparativo, se decide adoptar la **Opción A**, manteniendo los valores atípicos. Esta decisión se basa en el entendimiento de que estos datos representan variabilidad real y son importantes para el modelo.\n\nAdemás, se opta por eliminar los valores `NA` en la variable dependiente `Square.Meters` antes de la división en conjuntos de entrenamiento y prueba. La motivación detrás de esta elección es minimizar el número de predicciones de `NA`s por el modelo y asegurar que el entrenamiento y la evaluación se basen en datos más completos y representativos.\n\n\n![Comparación de Densidades de Metros Cuadrados Reales vs Predichos](grafica.png)\n\n\n\n## Dificultades Encontradas 📈\n\nLa principal dificultad fue decidir entre eliminar o transformar los **outliers**. Otra incertidumbre fue **cómo manejar los registros con NA** en `Square.Meters` antes de dividir los datos en conjuntos de entrenamiento y prueba.\n\n## Conclusiones y Reflexiones 🧠\n\nEl módulo representó un desafío significativo en términos de comprensión y aplicación de conceptos estadísticos avanzados. Las decisiones críticas en torno a la optimización y el preprocesamiento de los datos, así como el ajuste y la interpretación de los modelos estadísticos, destacaron la importancia de una práctica y dedicación más intensivas.\n\nAunque consciente de la necesidad de un aprendizaje continuo, espero haber alcanzado un nivel de conocimiento adecuado para cumplir con los requisitos básicos del módulo y me siento con motivacion para profundizar más en futuros módulos del Bootcamp, como machine learning y deep learning.","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Frociobenitez%2Fairbnb-data-mining","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Frociobenitez%2Fairbnb-data-mining","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Frociobenitez%2Fairbnb-data-mining/lists"}