Actividad 4.7

Redes Neuronales

Una Red Neuronal Artificial (ANN) modela la relación entre un conjunto de entradas y una salida, resolviendo un problema de aprendizaje.

Ejemplos de Redes Neuronales: + La recomendación de contenido en Netflix + FYP en TikTok + Feed de Instagram

1. Cargar libreria

library(neuralnet)

2. Alimentar con ejemplos

examen <- c(20,10,30,20,80,30)
proyecto <- c(90,20,40,50,50,80)
estatus <- c(1,0,0,0,1,1)
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,] 0.4995123
## [2,] 0.4995123
## [3,] 0.4995123

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

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

Cancer de Mama

library(readr)
cm<- read.csv("cancer_de_mama.csv")
cm$diagnosis<- ifelse(cm$diagnosis == "M", 1,0)

redne<- neuralnet(diagnosis~., data=cm)
plot(redne, rep = "best")

prueba_cancer <- cm[c(19,20,21,22,23), ]

prediccion1 <- compute(redne, prueba_cancer)
prediccion1$net.result

##        [,1]
## 19 0.372578
## 20 0.372578
## 21 0.372578
## 22 0.372578
## 23 0.372578

probabilidad1 <- prediccion1$net.result
resultado1<- ifelse(probabilidad1>0.5,1,0)
resultado1

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