Red Neuronal_Calificación

<span style=“color”: blue;“>Teoría

una red neuronal artificial (ANN) modela la relación entre un conjunto de entradas y una salida, resolviendo un problema de aprendizaje.

Algunos ejemplos de ANN son: * La recomendación de contenido en Netflix. * El feed de instagram. * Determinar el número escrito a mano.

<span style=“color”: blue;“>Ejercicio 1. ¿Pasé la materia?

<span style=“color”: blue;“>Instalar paquetes y llamar librerias.

library(neuralnet)
#file.choose()

<span style=“color”: blue;“>2. Obtener los 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)

<span style=“color”: blue;“>3. Generar la Red Neuronal.

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

<span style=“color”: blue;“>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