Redes Neuronales

Teoría

Una Red Neuronal Artificial (ANN) modela la relación entre un conjunto de entradas y una salida, resolviendo un problema de aprendizaje.

Ejemplos prácticos de aplicación de Redes Neuronales son:

• La recomendación de contenido de Netflix

• El feed de Instagram o Tiktok

• Determinar el número o letra escrito a mano

Instalar paquetes y llamar librerías

# install.packages("neuralnet")
library(neuralnet)

Alimentar con ejemplos

examen <- c(20,10,30,20,80,30)
proyecto <- c(90,20,40,50,50,80)
estatus <- c(1,0,0,0,0,1)
df <- data.frame(examen,proyecto,estatus)

Generar la Red Neuronal

red_neuronal <- neuralnet(estatus~., data=df)
plot(red_neuronal, rep="best")

Predecir la Red Neuronal

set.seed(121)
prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85,50,40)
prueba <- data.frame(prueba_examen, prueba_proyecto)
prediccion <- compute(red_neuronal, prueba)
prediccion$net.result

##             [,1]
## [1,]  1.03577954
## [2,] -0.01992688
## [3,] -0.01992688

probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado

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