Redes Neuronales

Redes Neuronales

Concepto

Una Red Neuronal 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 en Netflix.
2. El feed de Instagram o TikTok.
3. Determinar el número o letra escrito a mano.

1. Instalar paquetes y llamar a las librerías

# install.packages(neuralnet)
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)

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,] 0.3329329
## [2,] 0.3329329
## [3,] 0.3329329

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

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

Cáncer de Mama

1. Alimentar con ejemplos

# file.choose()
bd <- read.csv("/Users/valeriagrajales/Downloads/cancer_de_mama.csv")
bd$diagnosis <- ifelse(bd$diagnosis == "M",1,0)

2. Generar la Red Neuronal

red_neuronal <- neuralnet(diagnosis~., data = bd)
plot(red_neuronal, rep = "best")

3. Predecir con la Red Neuronal

prueba <- df1 <- bd[c(19,20,21,22,23),]
prueba <- data.frame(prueba)
prediccion <- compute(red_neuronal, prueba)
prediccion$net.result

##         [,1]
## 19 1.0007896
## 20 0.0296012
## 21 0.0296012
## 22 0.0296012
## 23 1.0007896

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

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