Actividad 4.7 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.

Redes Neuronales

1. Instalar paquetes y llamar librería

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

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

Cáncer de mama

1. Instalar paquetes y llamar librería

# install.packages("neuralnet")
library(neuralnet)

2. Importar base de datos

bd <- read.csv("/Users/paulinapozos/Downloads/cancer_de_mama.csv")
bd <- data.frame(bd)
bd$diagnosis <- ifelse(bd$diagnosis == "M", 1, 0)

3. Generar red neuronal

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

4. Predecir con la red neuronal

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

##         [,1]
## 19 0.9701690
## 20 0.1885044
## 21 0.1885044
## 22 0.1885044
## 23 0.1885045

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

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