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:

Recomendación de contenido en Netflix.
El feed de redes sociales.
Determinar el número escrito a mano.
Ejercicio 1. ¿Pasé la materia?

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)

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

Predecir Resultados

prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85,50,40)
prueba1 <- data.frame(prueba_examen, prueba_proyecto)
prediccion <- compute(rn1, prueba1)
probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad > 0.5, 1,0)
resultado

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

Datos Cancer de Mama

df2 <- read.csv("/Users/lightedit/Documents/TEC SEMESTRE 6.1/M2/R/cancer_de_mama.csv")
df2$diagnosis <-ifelse(df2$diagnosis =="M",1,0)

#df2$diagnosis <- as.factor(df2$diagnosis)

Red Neuronal

set.seed(123)
rn2 <- neuralnet(diagnosis ~ ., data=df2)
plot(rn2, rep = "best")

Predicciones/span>

#prueba_cancer <- read.csv("/Users/lightedit/Documents/TEC SEMESTRE 6.1/M2/R/test cancer de mama.csv")
#prueba_cancer$diagnosis <- as.factor(prueba_cancer$diagnosis)
prueba_cancer <- df2[c(19,20,21,22,23), ]
prediccion2 <- compute(rn2, prueba_cancer)
probabilidad2 <- prediccion2$net.result
probabilidad2

##         [,1]
## 19 0.3723412
## 20 0.3723412
## 21 0.3723412
## 22 0.3723412
## 23 0.3723412

resultado2 <- ifelse(probabilidad2 > 0.5, 1,0)
resultado2

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