Predicción del resultado de inspecciones técnicas de edificio (ITE)
Descripción
El algoritmo determina qué viviendas superarán la inspección técnica y qué viviendas no, y los motivos. Utilizamos Random Forest, Decission Tree, Logistic Regression de Sckikit-learn.
- Organismo:
- Vivienda y Agenda Urbana - Dirección de Planificación y Procesos Operativos de Vivienda.
- Responsable:
- Mario Yoldi Domínguez.
- Contacto:
- Datos de contacto.
- Organismo o entidad responsable a nivel técnico:
- EJIE - Soporte al Negocio.
Más información
Con qué datos se está entrenando el sistema algorítmico y qué datos se procesan cuando está en uso.
| Título del conjunto de datos | URL (si es pública) | Propósito de utilizar los datos en el modelo |
|---|---|---|
| Información sobre ayudas para rehabilitación de viviendas, población y viviendas del EUSTAT, población del INE, datos de ITES pasadas y resultados, datos de ITES futuras. | - | Determinar cuántas solicitudes con DSV (Derecho Subjetivo de Vivienda) y PEV (Prestación Económica de Vivienda) habrá en el futuro. |
Se explica de qué forma el sistema procesa automáticamente los datos de entrada para generar los resultados del modelo.
- Tecnología utilizada:
- Scikit-learn es una biblioteca de aprendizaje automático para el lenguaje de programación Python. Utiliza varias tecnologías clave:
- Python: El lenguaje principal en el que está escrita.
- NumPy: Para operaciones de álgebra lineal y manejo de arrays.
- SciPy: Para cálculos científicos y matemáticos.
- Cython: Para mejorar el rendimiento de algunos algoritmos.
- Matplotlib: Para visualización de datos.
- El proyecto fue iniciado en 2007 por David Cournapeau como parte de un proyecto de Google Summer of Code31. Más tarde, otros desarrolladores como Matthieu Brucher, Fabian Pedregosa, Gaël Varoquaux, Alexandre Gramfort y Vincent Michel se unieron y ayudaron a lanzar la primera versión pública en 2010.
- Tipo de algoritmo:
- Algoritmo de clasificación no supervisada.
- Descripción del algoritmo:
- Los algoritmos Random Forest y Decision Tree son métodos de aprendizaje supervisado que pertenecen a la familia de los modelos de árboles de decisión.
- El algoritmo Logictic Regression es un método de aprendizaje supervisado de clasificación binaria.
- Código fuente y auditoría independiente:
- Random Forest, Decission Tree, Logistic Regression de Scikit-learn.
Se explica, si procede, si ha sido necesario implantar alguna medida para promover la igualdad y la no discriminación por motivos de edad, origen, nacionalidad, idioma, religión, creencia, opinión, actividad política, etc.
No procede porque no se utilizan datos de sesgo que puedan introducir prejuicios o desigualdades en los algoritmos de IA.
Se explica de qué forma las personas están al tanto o controlan el sistema, asegurándose de que no produzca efectos adversos o no deseados.
El sistema no tiene ningún grado de autonomía en la toma de decisiones porque las inspecciones técnicas de edificios se realizan vivienda a vivienda por personas de forma presencial, independientemente de la información obtenida del sistema.
Riesgos conocidos asociados con el sistema y los métodos utilizados para mitigarlos.
Entendemos que no hay riesgos asociados con el sistema y los métodos utilizados, ya que son procesos sin autonomía propia para la toma de decisiones, sino de apoyo a los técnicos. Además, no es la única fuente de este tipo de información, dentro del observatorio de la vivienda hay varios más.
Fecha de última modificación: