Regresión lineal con scikit-learn: precio de una casa

Descripción del modelo

Este modelo es un ejemplo pedagógico. Muestra cómo funciona el aprendizaje automático supervisado y qué se publica cuando se comparte un modelo entrenado.

Predice el precio de una casa, en miles de US$, a partir de su superficie y de si tiene balcón y ascensor.

Objetivo

Predecir una variable numérica continua: el precio estimado de una casa.

Datos de entrenamiento

• Dataset: sintético, generado en train.py. Es el mismo de la Clase 10, con la misma semilla, y no son casas reales.
• Cantidad de registros: 200. Se usan 160 para entrenar y 40 para evaluar.
• Variables de entrada (X): m2 (de 35 a 120), balcon (0 o 1), ascensor (0 o 1).
• Variable objetivo (y): precio, en miles de US$.
• Cómo se generaron: precio = 1.5·m2 + 8·balcon + 12·ascensor + 20 + ruido.

Entrenamiento

• Tipo de aprendizaje: supervisado.
• Problema: regresión.
• Algoritmo: regresión lineal (sklearn.linear_model.LinearRegression), por mínimos cuadrados.
• Biblioteca: scikit-learn.

Parámetros aprendidos. Son los valores que guarda model.joblib:

Los pesos aprendidos quedan muy cerca de los que se usaron para generar los datos.

Evaluación

Se evaluó sobre 40 casas que el modelo no vio durante el entrenamiento.

Archivos

Cómo utilizar el modelo

import joblib
import pandas as pd

modelo = joblib.load("model.joblib")

casa = pd.DataFrame({"m2": [80], "balcon": [1], "ascensor": [0]})
print(modelo.predict(casa))  # [148.5] miles de US$

Para descargarlo desde el Hub:

from huggingface_hub import hf_hub_download
import joblib

ruta = hf_hub_download(repo_id="tu-usuario/nombre-del-repo", filename="model.joblib")
modelo = joblib.load(ruta)

Limitaciones

• Tiene fines exclusivamente educativos. Los datos son sintéticos y no representan precios reales.
• Solo conoce casas de 35 a 120 m². Fuera de ese rango, extrapola una recta y nada garantiza que acierte.
• Supone que cada característica suma un monto fijo. No capta interacciones, como que el ascensor valga más en un edificio alto.
• joblib usa pickle: solo carguen archivos .joblib de fuentes en las que confíen, porque al cargarlos se puede ejecutar código.
• La versión de scikit-learn con la que se carga debería ser la misma con la que se entrenó.

Autoría

Modelo desarrollado con fines educativos para el IFTS N.º 18. Docente: Cynthia M. Villagra.