Redes neuronales

Redes Neuronales

Concepto

Una Red Neural Artificial (ANN) modela la relación entre un conjunto de entradas y una salida, resolviendo un problema de aprendizaje. Ejemplos de aplicación de Redes Neuronales son: 1. La recomendación de contenido de netflix. 2. El feed de instagram o tiktok 3. Determinar el número o letra escrito a mano.

1. Instalar paquetes y llamar librerías

library(neuralnet)

2. Alimentar con ejemplos

examen <- c(20,10,30,20,80,30)
proyecto <- c(90,20,40,50,50,80)
estatus <- c(1,0,0,0,0,1)
df <- data.frame(examen, proyecto, estatus)

3. Generar la red neuronal

red_neuronal <- neuralnet(estatus ~., data=df)
plot(red_neuronal, rep = "best")

4. Predecir con la red neuronal

prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85,50,40)
prueba <- data.frame(prueba_examen, prueba_proyecto)
prediccion <- compute(red_neuronal, prueba)
prediccion$net.result

##           [,1]
## [1,] 0.3349121
## [2,] 0.3349121
## [3,] 0.3349121

probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado

##      [,1]
## [1,]    0
## [2,]    0
## [3,]    0

1. Ejercicio con cáncer de mama

2. Alimentar con ejemplos

df1 <- read.csv("C:\\Users\\Asus ZenBook\\Downloads\\cancer_de_mama.csv")
df1$diagnosis <- ifelse(df1$diagnosis == "M", 1, 0)

3.Generar la red neuronal

red_neuronal1 <- neuralnet(diagnosis ~., data=df1)
plot(red_neuronal1, rep = "best")

4. Predecir con la red neuronal

prueba_cancer <- df1[c(19,20,21,22,23),]
prediccion <- compute(red_neuronal1, prueba_cancer)
prediccion$net.result

##           [,1]
## 19 1.000354193
## 20 0.008185906
## 21 0.008184881
## 22 0.008184881
## 23 1.000354193

probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado

##    [,1]
## 19    1
## 20    0
## 21    0
## 22    0
## 23    1