Redes Neuronales

Teoría

Una Red neuronale 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 con la Red Neuronal

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,] 0.3333754
## [2,] 0.3333754
## [3,] 0.3333754

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

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