Instalar paquetes
#install.packages("neuralnet")
library(neuralnet)
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)
Generar la red neuronal
set.seed(123)
rn1 <- neuralnet(estatus~., data =df1)
plot(rn1, rep= "best")
Predecir resultados
prueba_examen <- c(30,45,80)
prueba_proyecto <- c(85,50,40)
prueba1 <- data.frame(prueba_examen,prueba_proyecto)
prediccion <- compute(rn1,prueba1)
prediccion$net.result
## [,1]
## [1,] 1.04011743
## [2,] -0.02359178
## [3,] -0.02359178
probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado
## [,1]
## [1,] 1
## [2,] 0
## [3,] 0
cancer de mama
Instalar paquetes
#install.packages("neuralnet")
#install.packages("readxl")
library(neuralnet)
library(readxl)
Obtener datos
df2 <- read_excel("/Users/luisalfredo/Downloads/cancer_de_mama.xlsx")
df2$diagnosis <- ifelse(df2$diagnosis == "M",1,0)
Generar la red neuronal
set.seed(123)
rn2 <- neuralnet(diagnosis~., data =df2)
plot(rn2, rep= "best")
Predecir resultados
prueba2 <- df2[c(19,20,21,22,23), ]
prediccion2 <- compute(rn2,prueba2)
prediccion2$net.result
## [,1]
## [1,] 0.3725802
## [2,] 0.3725802
## [3,] 0.3725802
## [4,] 0.3725802
## [5,] 0.3725802
probabilidad2 <- prediccion2$net.result
resultados2 <- ifelse(probabilidad>0.5,1,0)
resultados2
## [,1]
## [1,] 1
## [2,] 0
## [3,] 0