Act 4. 7 Redes Neuronales

Redes Neuronales

Uan 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 Nueronales:
1. La recomendación de contenido de Netflix.
2. Feed de TikTok.

Ejercicio de Ejemplo: Aprueba o no aprueba

1. Instalar y cargar paqueterías

#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

# variable a predecir ~ resto de base de datos (.)
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,] 0.4011227
## [2,] 0.4011224
## [3,] 0.4011224

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

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

Práctica: Tumor benigno o maligno

1. Cargar base de datos

cancer <- read.csv("/Users/sarahyzayas/Library/Mobile Documents/com~apple~CloudDocs/1. TEC /7 sem/M4_Raul /cancer_de_mama.csv")

2. Asignar la variable independiente como 1(maligno) y 0(benigno)

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

## [1] 1 0

2. Generar Red Neuronal

# variable a predecir ~ resto de base de datos (.)
red_neuronal_cancer <- neuralnet(diagnosis ~ ., data=cancer)

plot(red_neuronal_cancer, rep="best")

4. Predecir con la Red Neuronal

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

prediccion_cancer <- compute(red_neuronal_cancer,prueba_cancer)

probabilidad_cancer <- prediccion_cancer$net.result
probabilidad_cancer

##         [,1]
## 19 0.3725838
## 20 0.3725838
## 21 0.3725838
## 22 0.3725838
## 23 0.3725838

resultado <- ifelse(probabilidad_cancer>0.5,1,0)
resultado

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