Aplicación interactiva de análisis y predicción de precios de vivienda en la ciudad de Valencia, utilizando datos reales de Idealista (2018 y 2025). Combina técnicas de web scraping, limpieza de datos, análisis exploratorio, clustering de distritos y modelos de Machine Learning.
App online: https://datameetshome.shinyapps.io/data-meets-home/
Data Meets Home permite a cualquier usuario:
- Estimar el precio de una vivienda en Valencia según sus características (superficie, planta, habitaciones, baños, ascensor, distrito, estado).
- Explorar el mapa con propiedades reales del dataset 2025, filtrables por precio, distrito y estado.
- Analizar el mercado inmobiliario por distrito con gráficos interactivos de precios, precio por m² y distribución estadística.
El modelo subyacente es un Random Forest entrenado con más de 9.000 propiedades de Idealista 2018, ajustado temporalmente al mercado de 2025 mediante el Índice de Precios de la Vivienda (IPV) del INE.
├── notebooks/ # Pipeline completo de datos y modelos
│ ├── 01_api_scraping.ipynb # Scraping de la API de Idealista (Python)
│ ├── 02_distancia_metro.ipynb # Distancia al metro más cercano vía OpenStreetMap (Python)
│ ├── 03_limpieza_2018.Rmd # Limpieza y EDA del dataset 2018 (R)
│ ├── 04_limpieza_2025.Rmd # Limpieza del dataset 2025 (R)
│ ├── 05_modelos.Rmd # Entrenamiento, evaluación y selección de modelos (R)
│ └── 06_ajuste_ipv.Rmd # Ajuste temporal con el IPV del INE (R)
├── data/ # Datasets originales y auxiliares
│ ├── propiedades_valencia.xlsx # Dataset Idealista 2018 (~9.000 propiedades)
│ ├── propiedades_valencia_2025.xlsx # Dataset Idealista 2025 (~8.000 propiedades)
│ ├── estaciones_valencia.xlsx # Coordenadas de estaciones de metro/tranvía
│ ├── IPC.xlsx / IPV.xlsx # Índices de precios del INE
│ └── barris.csv # Shapefile de barrios de Valencia
├── models/ # Modelos entrenados (no versionados por tamaño)
├── docs/
│ └── Memoria - Data Meets Home.pdf
├── shiny_app/
│ ├── app.R # Aplicación Shiny (UI + Server, ~1.100 líneas)
│ ├── install_packages.R # Script de instalación de dependencias
│ ├── deploy.R # Script de despliegue a shinyapps.io
│ └── models/ # Modelos serializados para la app
│ ├── datos_limpios.rds # Dataset procesado
│ ├── modelo_rf_puro.rds # Modelo Random Forest
│ └── factor_ipv.rds # Factor de ajuste IPV 2018→2025
├── Lanzar App.bat # Ejecutar la app localmente (Windows)
├── Desplegar App.bat # Desplegar en shinyapps.io (Windows)
└── requirements.txt # Dependencias de Python
- API de Idealista: Extracción de propiedades en venta en Valencia (2018 y 2025) con precio, superficie, habitaciones, baños, planta, coordenadas GPS, estado y distrito.
- API de Overpass (OpenStreetMap): Coordenadas de todas las estaciones de metro y tranvía de Valencia para calcular la distancia al transporte público más cercano.
- Parsing de columnas JSON anidadas (
priceInfo,detailedType,parkingSpace). - Cálculo de distancia al centro histórico (Plaza del Ayuntamiento) por fórmula haversine.
- Cálculo de distancia a la estación de metro/tranvía más cercana para cada propiedad.
- Detección y tratamiento de outliers (precio < 30k€, superficie < 20m²).
- Distribución de precios por distrito y tipo de vivienda.
- Análisis de correlación entre variables continuas.
- Clustering de distritos con PCA + K-Means y Clustering Jerárquico.
| Modelo | RMSE | MAE | R² |
|---|---|---|---|
| Regresión Lineal | ~110.000 € | ~65.000 € | 0.60 |
| Random Forest | ~55.000 € | ~37.000 € | 0.79 |
| XGBoost | ~58.000 € | ~39.000 € | 0.77 |
| LightGBM | ~57.000 € | ~38.000 € | 0.77 |
El Random Forest fue seleccionado por su mejor equilibrio entre precisión y capacidad de generalización al dataset de 2025.
Las predicciones del modelo (entrenado con datos de 2018) se ajustan multiplicando por el ratio IPV(2024-T4) / IPV(2018-T1) ≈ ×1.43, calculado automáticamente desde los datos del INE y serializado en factor_ipv.rds.
Error medio en 2025 tras ajuste IPV: ~115.000 € (R² = 0.73)
# Instalar dependencias
source("shiny_app/install_packages.R")
# Lanzar la app
shiny::runApp("shiny_app/")O ejecuta el archivo Lanzar App.bat incluido en el repositorio.
R: shiny · bslib · leaflet · plotly · dplyr · randomForest · ggplot2 · caret · xgboost · lightgbm · sf · FactoMineR · factoextra · NbClust · corrplot · readxl · jsonlite · tidyr · rsconnect
Python: requests · pandas · numpy · openpyxl
Los datos de Idealista se usan exclusivamente con fines académicos y de investigación.