
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 2. Cáncer de Mama
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
# file.choose()
df2 <- read.csv("C:\\Users\\nayel\\Downloads\\cancer_de_mama.csv")
df2$diagnosis <- ifelse(df2$diagnosis == "M",1,0)
3. Generar la Red Neuronal
set.seed(123)
rn2 <- neuralnet(diagnosis~., data=df2)
plot(rn2, rep = "best")

4. Predecir Resultados
prueba2 <- df2[c(19,20,21,22,23), ]
prediccion2 <- compute(rn2,prueba2)
prediccion2$net.result
## [,1]
## 19 0.3725802
## 20 0.3725802
## 21 0.3725802
## 22 0.3725802
## 23 0.3725802
probabilidad2 <- prediccion2$net.result
resultado2 <- ifelse(probabilidad2>0.5,1,0)
resultado2
## [,1]
## 19 0
## 20 0
## 21 0
## 22 0
## 23 0
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