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 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)

## Warning: package 'neuralnet' was built under R version 4.3.2

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 <- 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