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 librerias

#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