Interfaz gráfica con Kivy para la predicción de precios de viviendas

.gitignore

@@ -1,4 +1,5 @@
 .vscode/
+env/
 __pycache__/
 *.pyc
 *.pyo

README.md

@@ -1,10 +1,10 @@
-# *Econometric Model - Predicción de Precios de Casas*
+# _Econometric Model - Predicción de Precios de Casas_
 
-*Hecho por:*
+_Hecho por:_
 
-- ***Kevin Sebastián Cifuentes López.***
+- **_Kevin Sebastián Cifuentes López._**
 
-- ***Mariana Lopera Correa.***
+- **_Mariana Lopera Correa._**
 
 En este proyecto, se desarrolla un modelo de Machine Learning para predecir los precios de venta de viviendas en Ames, Iowa, Estados Unidos. El conjunto de datos utilizado fue sacado de Kaggle [link datos](https://www.kaggle.com/competitions/house-prices-advanced-regression-techniques/code), este contiene información detallada sobre diversas características de las casas, como el tamaño del lote, el área habitable, la calidad de construcción, el año de construcción, entre otros. El objetivo es utilizar estas características para entrenar un modelo de regresión lineal que pueda predecir con precisión el precio de venta de una casa.
 
@@ -47,11 +47,13 @@ python -m unittest tests/test_model.py
 ```
 
 ---
+
 ---
 
 ## **Descripción de los Archivos**
 
 ### **1. `src/model/`**
+
 Contiene la lógica del negocio y las operaciones relacionadas con los datos y el modelo.
 
 - **`data_preparation.py`**: Funciones para cargar, limpiar y preparar los datos.
@@ -60,40 +62,43 @@ Contiene la lógica del negocio y las operaciones relacionadas con los datos y e
 - **`future_predictions.py`**: Funciones para generar datos futuros y hacer predicciones.
 
 ### **2. `src/view/`**
+
 Maneja la interacción con el usuario y la visualización de resultados.
 
 - **`console/main.py`**: Punto de entrada para la interfaz de consola.
 - **`results/visualization.py`**: Funciones para visualizar resultados (gráficos, métricas, etc.).
 
 ### **3. `src/controller/`**
+
 Gestiona la comunicación entre el modelo y la vista.
 
 - **`data_controller.py`**: Controla la carga y preparación de los datos.
 - **`model_controller.py`**: Controla el entrenamiento y la evaluación del modelo.
 
 ### **4. `tests/`**
+
 Contiene pruebas unitarias para cada módulo del proyecto.
 
 - **`test_data_preparation.py`**: Pruebas para la preparación de datos.
 - **`test_feature_engineering.py`**: Pruebas para la ingeniería de características.
 - **`test_model_training.py`**: Pruebas para el entrenamiento y evaluación del modelo.
 
 ### **5. `data/`**
+
 Contiene los datos utilizados para entrenar y evaluar el modelo.
 
 - **`train.csv`**: Conjunto de datos de entrenamiento.
 
 ### **6. `config.py`**
+
 Archivo de configuración para rutas y parámetros del proyecto.
 
 ### **7. `.gitignore`**
+
 Archivo para ignorar archivos y carpetas que no deben ser rastreados por Git.
 
 ---
 
-
-
-
 ## **Explicación del Código**
 
 ### **1. Carga y Preparación de Datos**
@@ -124,21 +129,20 @@ Archivo para ignorar archivos y carpetas que no deben ser rastreados por Git.
 
 ### **Consola**
 
-#### *1. Gráfico de Líneas*
+#### _1. Gráfico de Líneas_
 
 Muestra la tendencia de los precios a lo largo del tiempo.
 
-
-#### *2. Tabla Formateada*
+#### _2. Tabla Formateada_
 
 Muestra una tabla de esta forma, para facilitar la obsrvación de los resultados
 
-``
-   yearbuilt  predicted_price
+`   yearbuilt  predicted_price
 0       2026      2746.285057
 1       2027      2750.765683
-2       2028      2755.253615
-``
+2       2028      2755.253615`
+
+
 ## **Contribuciones**
 
 Si deseas contribuir a este proyecto, sigue estos pasos:
@@ -149,6 +153,29 @@ Si deseas contribuir a este proyecto, sigue estos pasos:
 4. Haz push a la rama (`git push origin feature/nueva-funcionalidad`).
 5. Abre un Pull Request.
 
+### **Interfaz Gráfica (Kivy)**
+
+> **Hecha por:** _Santiago Machado_ y _Cristian Toro_
+
+Para ejecutar la interfaz gráfica del proyecto, primero asegúrate de estar ubicado en el siguiente directorio:
+
+```
+C:\Users\Usuario\VSCode_Projects\EconometricModel_ML
+```
+
+Luego, puedes correr la interfaz de dos maneras:
+
+- **Desde el código fuente:**  
+  Ejecuta el siguiente comando en la consola:
+
+```
+  py src/view/graphic_interface/main.py
+```
+
+- **Desde el ejecutable:**  
+  Si prefieres utilizar el ejecutable, ejecuta el siguiente comando en la consola:
+  `dist/main.exe`
+
 ---
 
 ## **Licencia**