Act 4.7

Red neuronal

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

Ejemplos de aplicación

1.Recomendaciones en plataformas digitales como Netflix, HBO 2.Algoritmo de TikTok

1. Llamar librerías

library(neuralnet)

2. Alinear los 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)

4. Producir con la Red Neuronal

prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85, 50, 40)
prueba <- data.frame(prueba_examen, prueba_proyecto)

predicccion <- compute(red_neuronal, prueba)
predicccion$net.result

##           [,1]
## [1,] 1.0270780
## [2,] 0.2470431
## [3,] 0.2470430

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

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

Cancer de Mama

Alimentar con ejemplos

#file.choose()
cancermama <- read.csv("C:/Users/lynet/OneDrive/Documents/Analítica 2023/cancer_de_mama.csv")
cancermama$diagnosis<- ifelse(cancermama$diagnosis == "M", 1,0)

redne<- neuralnet(diagnosis~., data=cancermama)
plot(redne)

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

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

##         [,1]
## 19 0.3725784
## 20 0.3725784
## 21 0.3725784
## 22 0.3725784
## 23 0.3725784

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

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