Redes Neuronales: Pase de materia y Cáncer de mama

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 aplicación de ANN son:

• La recomendación de contenido de 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 los resultados

prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85,50,40)
prueba1 <- data.frame(prueba_examen, prueba_proyecto)
prediccion1 <- compute(rn1,prueba1)
prediccion1$net.result

##             [,1]
## [1,]  1.04011743
## [2,] -0.02359178
## [3,] -0.02359178

probabilidad1 <- prediccion1$net.result
resultado1 <- ifelse(probabilidad1>0.5,1,0)
resultado1

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

Ejercicio 2: Cáncer de Mamá

1. Instalar paquetes y llamar librerías

library(readr)
library(neuralnet)

2. Importar base de datos

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

3. General la Red Neuronal

rn2 <- neuralnet(diagnosis ~., data=df)
plot(rn2, rep="best")

4. Predecir los resultados

prueba2 <- df[c(19,20,21,22,23), ]
prediccion2 <- compute(rn2, prueba2)
prediccion2$net.result

##         [,1]
## 19 0.3725959
## 20 0.3725959
## 21 0.3725959
## 22 0.3725959
## 23 0.3725959

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

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