Red Neuronal

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

1. Instalar paquetes y llamar 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 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$net.result
##            [,1]
## [1,]  0.3997412
## [2,]  0.3997412
## [3,] -0.3441202
probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado
##      [,1]
## [1,]    0
## [2,]    0
## [3,]    0

Cáncer de Mama

1. Importar base de datos

#file.choose()
df1 <- read.csv("C:\\Users\\Lesgo\\Downloads\\cancer_de_mama.csv")
df1$diagnosis <- ifelse(df1$diagnosis =="M",1,0)

2. Generar red neuronal

red_neuronal2 <- neuralnet(diagnosis ~ ., data=df1)
plot(red_neuronal2, rep = "best")

3. Predecir con la red neuronal

prueba_cancer <- df1[c(19,20,21,22,23),]
prediccion2 <- compute(red_neuronal2,prueba_cancer)
prediccion2$net.result
##         [,1]
## 19 0.3725798
## 20 0.3725798
## 21 0.3725798
## 22 0.3725798
## 23 0.3725798
probabilidad2 <- prediccion2$net.result
resultado <- ifelse(probabilidad2>0.5,1,0)
resultado
##    [,1]
## 19    0
## 20    0
## 21    0
## 22    0
## 23    0