Redes Neuronales

#file.choose()

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 Netflix. 2. El feed de Instagram o Tik Tok. 3. Determinar el número o letra escrito a mano.

Ejercicio 1

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(1,0,0,0,0, 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)
prediccion$net.result

##            [,1]
## [1,]  0.4003467
## [2,]  0.4003447
## [3,] -0.4335548

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

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

Base Cáncer de Mama

1. Importar la base de datos

#file.choose()

# Base de datos inicial 
bd <- read.csv("/Users/andreasanchezgomez/Documents/R/cancer_de_mama.csv")
bd <- data.frame(bd)
bd$diagnosis <- ifelse(bd$diagnosis == "M", 1, 0)

2. Generar la Red Neuronal

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

3. Predecir con la Red Neuronal

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

##         [,1]
## 19 0.3725938
## 20 0.3725938
## 21 0.3725938
## 22 0.3725938
## 23 0.3725938

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

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