Análisis y predicción de datos de una publicación de Kaggle (Used Car Auction Prices, US, 2015).
Se utilizó Jupyter Notebook (Python) para realizar el proyecto.
El dataset utilizado se encuentra en: https://www.kaggle.com/datasets/tunguz/used-car-auction-prices/data
- Las marcas con mayor precio de venta y las marcas con mayor número de ventas.
- Lunes, martes y miércoles son los días en los que ocurre la mayor cantidad de ventas.
- El precio de venta aumenta, si la condición del vehículo es alta y si el kilometraje es bajo.
- Los vehículos modernos y los más antiguos, tienen un mayor precio de venta.
- Los estados o ciudades con mayor cantidad de vendedores.
La creación de un modelo eficaz para predecir el precio de venta para los vehículos, utilizando como variables: La marca, el modelo, la carrocería, el tipo de transmisión, la condición del vehículo, el kilometraje, el color del vehículo, y el color de su interior.
