Act 4.7 a01177875

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 aplicación de Redes Neuronales son: 1. La recomendación de contenido de Redes Neuronales de Netflix. 2. El feed de Tiktok, o Instagram.

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(1,0,0,0,1,1)
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,] 0.4995079
## [2,] 0.4995079
## [3,] 0.4995079

probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>.5,1,0)
resultado

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

Cancer de mama

1. Cargar base de datos

cm <- read.csv("/Users/danrwar/Desktop/Rstudio works/etapa 1/cancer_de_mama.csv")

2. Cambiar datos M y V por 1 y 0

cm$diagnosis <- ifelse(cm$diagnosis == "M",1,0)

3. Generar Red Neuronal CM

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

4. Predecir con la Red Neuronal

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

##           [,1]
## 19 0.995739052
## 20 0.008133763
## 21 0.008133763
## 22 0.008133763
## 23 0.995739052

probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>.5,1,0)
resultado

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