Redes Neuronales

Introducción. ¿Qué es una Red Neuronal?

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 recomendación de contenido Netflix.
* El feed de Instagram.
* Determinar el número escrito a mano.

Ejercicio 1. ¿Pasé la materia?

1. Instalar paquetes y llamar librerías

#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)
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

Ejercicio 2. Cáncer de Mama

1. Lectura y filtrado de csv

df2 <- read.csv("cancer_de_mama.csv")
df2$diagnosis <- ifelse(df2$diagnosis == "M", 1,0)

2. Generación de red neuronal

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

3. Predicción de resultados

prueba2 <- df2[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

4. Conversión de probabilidades predichas en etiquetas de clase binarias

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

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