Estructuración modelo machine learning

La tarea consiste en recopilar y limpiar los datos de arrendamiento de locales comerciales, eliminando valores atípicos mediante la selección de datos entre los percentiles 25 y 75. Se probarán diferentes algoritmos de machine learning, como XGBoost, Random Forest y Regresión Lineal, para encontrar el que mejor se ajuste a los datos. Luego, se entrenará el modelo seleccionado, evaluando su rendimiento con métricas como MAE, RMSE y R². Finalmente, el modelo entrenado se integrará en la aplicación, permitiendo realizar predicciones precisas del precio de arriendo en tiempo real y visualizarlas en la interfaz desarrollada con Streamlit.