Redes Neuronales

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 Netflix.
  
• El feed de Instagram.
  
• Determinar el número escrito a mano.

Ejercicio 1. ¿Pasé la materia?

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)
df1

##   examen proyecto estatus
## 1     20       90       1
## 2     10       20       0
## 3     30       40       0
## 4     20       50       0
## 5     80       50       0
## 6     30       80       1

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 = 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

#file.choose()
df2 <- read.csv("/Users/valeriacantulobo/Downloads/cancer_de_mama.csv")

df2$diagnosis <- ifelse(df2$diagnosis == "M", 1, 0)

d1 <- neuralnet(diagnosis ~., data=df2)
plot(d1, rep="best")

prueba_examen <- c(30,40,85)
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)