Act.4.7 Redes Neuronales

Redes Neuronales

Concepto

Una Red Neuronal Artifical (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 Netlfix 2. El feed de instagram 3. Determinar el número o letra escrito a mano.

1. Instalar paquetes y llamar librerias

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)
df1 <- data.frame(examen,proyecto,estatus)

3. Generar la Red Neuronal

red_neuronal <- neuralnet(estatus~., data = df1)
plot(red_neuronal, rep = "best")

## 4. Predecir con la Red Neuronal

prueba_examen <- c(20,40,85)
prueba_proyecto <- c(85,50,40)
prueba <- data.frame(prueba_examen, prueba_proyecto)
prediccion <- compute(red_neuronal, prueba)
prediccion$net.result

##             [,1]
## [1,]  1.01126461
## [2,]  0.01748867
## [3,] -0.01625257

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

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

Cancer de mama

df <- read.csv("/Users/meliganem/Documents/TEC/Semestre 7/Analitica de datos/cancer_de_mama.csv")
df$diagnosis <- ifelse(df$diagnosis == "M", 1, 0)

Generar la Red Neuronal

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

4. Predecir con la Red Neuronal

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

##          [,1]
## 19 0.97084351
## 20 0.03823501
## 21 0.03823501
## 22 0.03823501
## 23 0.97084351

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

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