Redes Neuronales

Teoria

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

Algunos ejemplos de aplicación de ANN son:

• La concentración de contenido de Netflix.
• El feed de Instagram.
• Determinar el número escrito a mano.

Ejercicio 1. ¿Pasé la materia?

Instalar paquetes y llamar librerias

# install.packages("neuralnet")
library(neuralnet)

2. Obtener datos

examen <- c(20,10,30,20,80,30)
proyecto <- c(90,20,40,50,50,80)
estatus <- c(1,0,0,0,0,1)
df1 <- data.frame(examen, proyecto, estatus)

3. Generar la Red Neuronal

set.seed(123)
rn1 <- neuralnet(estatus ~., data=df1)
plot(rn1, rep= "best")

4. Predecir Resultados

prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85,50,40)
prueba1 <- data.frame(prueba_examen, prueba_proyecto)

prediccion <- neuralnet::compute(rn1, prueba1)

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

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

Ejercicio 2. Cáncer de Mama

Instalar paquetes y llamar librerias

# install.packages("neuralnet")
library(neuralnet)

2. Obtener datos

cancer_df <- read.csv("C:\\Users\\lesda\\OneDrive\\Documentos\\Concentracion IA\\R Modulo 3\\cancer_de_mama.csv")
cancer_df$diagnosis <- ifelse(cancer_df$diagnosis == "M",1,0)

3. Generar la Red Neuronal

set.seed(123)
rn2 <- neuralnet(diagnosis ~., data=cancer_df)
plot(rn2, rep= "best")

4. Predecir Resultados

prueba2 <- cancer_df[c(19,20,21,22,23), ]

prediccion2 <- neuralnet::compute(rn2, prueba2)
prediccion2$net.result

##         [,1]
## 19 0.3725802
## 20 0.3725802
## 21 0.3725802
## 22 0.3725802
## 23 0.3725802

probabilidad2  <- prediccion2$net.result
resultado2 <- ifelse(probabilidad2>0.5,1,0)
resultado2

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