Redes Neuronales

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: 1. La recomendación de contenido de Netflix. 2. El feed de Instagram o TikTok. 3. Determinar el número o letra escrito a mano.

1. Instalar Paquetes y llamar librerias

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

## Warning: package 'neuralnet' was built under R version 4.1.3

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(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,]    0
## [2,]    0
## [3,]    0

Ejercicio Cancer de Mama

1. Importar datos

#file.choose()
df1 <- read.csv("C:\\Users\\jesus\\Documents\\Actividades\\cancer_de_mama.csv")

2. Cambiar columna de diagnosis a valores númericos

df1$ï..diagnosis <- ifelse(df1$ï..diagnosis == "M",1,0)

3. Generar la red neuronal

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

### 4. Predecir con la Red Neuronal

prueba <- df1[c(19,20,21,22,23),]
prediccion <- compute(red_neuronal, prueba)
probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado

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