Redes neuronales

Redes Neuronales

Concepto

Una Red Neural Artificial (ANN) modela la relación entre un conjunto de entradas y una salidad, 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 escrita a mano.

# 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, rep="best")

4. Predecir con la Red Neuronal

prueba_examen <- c(35,45,85)
prueba_proyecto <- c(85,50,40)
prueba <- data.frame(prueba_examen, prueba_proyecto)
predicción <- compute(red_neuronal, prueba)
probabilidad <- predicción$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado

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

Cancer de mama

bd <- read.csv("C:\\Users\\karim\\OneDrive\\Escritorio\\Ejercicios R\\Árbol de decisiones (titanic, cáncer de mama)\\cancer_de_mama.csv")
bd <- data.frame(bd)
bd$diagnosis <- ifelse(bd$diagnosis == "M", 1, 0)

Generar la Red Neuronal

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

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

##          [,1]
## 19 0.99510457
## 20 0.05565393
## 21 0.05565393
## 22 0.05565393
## 23 0.99510457

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

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