Agrupación de solicitantes de vivienda protegida
Descripción
El algoritmo segmenta los solicitantes de vivienda de protección pública en función de sus características: edad, sexo, tipo de unidad convivencial, Territorio Histórico, localidad, ingresos anuales, etc.
- 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.
- Dominio:
- Vivienda.
- Estado del algoritmo o sistema:
- Productivo.
- Fecha de implantación:
- 2019
- Socio/empresa proveedora:
- Ayesa.
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 |
|---|---|---|
| Solicitantes de vivienda protegida y sus características, mes a mes, de los últimos 10 años | Los datos no están disponibles públicamente | Segmentar a los solicitantes de vivienda de protección pública en función de sus características para varios objetivos, como conocer las necesidades de vivienda de la ciudadanía y considerarlas en el diseño de políticas de vivienda. |
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 que utiliza varias tecnologías clave:
- Python: lenguaje principal en el que está escrita.
- NumPy: operaciones de álgebra lineal y manejo de arrays.
- SciPy: cálculos científicos y matemáticos.
- Cython: mejora el rendimiento de algunos algoritmos.
- Matplotlib: visualización de datos.
- Tipo de algoritmo:
- Algoritmo de clasificación no supervisada.
- Descripción del algoritmo:
- El algoritmo k-means es un método de clasificación no supervisada que se utiliza para agrupar datos en k grupos o clústeres en función de sus características comunes. Cada grupo o clúster se forma basándose en la similitud de los datos, que se mide generalmente por la distancia entre ellos en un espacio multidimensional.
- Código fuente y auditoría independiente:
- El código fuente está disponible en la web de K-Means 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 se ha considerado que procediese implantar ninguna medida especial a este respecto porque son herramientas de uso interno para la administración y es necesario preparar políticas de vivienda pública específicas dependiendo de la edad, condiciones como víctima de violencia de género, discapacidad psíquica, discapacidad de movilidad reducida o nivel de ingresos.
Además, los resultados obtenidos son evaluados y auditados, siempre, por personas con experiencia en la dirección y diseño de políticas de vivienda, existe una diversidad de datos que asegura que los datos de entrenamiento sean representativos de todas las poblaciones relevantes y los algoritmos utilizados son públicos y accesibles.
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 que puedan afectar al diseño de las políticas de vivienda, todos los resultados que ofrece son evaluados por personas con experiencia en la dirección y diseño de políticas de vivienda.
Riesgos conocidos asociados con el sistema y los métodos utilizados para mitigarlos.
No aplica. No hay riesgos asociados con el sistema y los métodos utilizados, ya que son procesos sin autonomía propia para la toma de decisiones, 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:
