En este trabajo junto a Jaqueline Girabel exhibimos, en dos ejemplos distintos, la manera de implementar un modelo predictivo entrenando redes neuronales.
Nuestro primer ejemplo tiene como finalidad mostrar cómo funciona una red neuronal visualizando en los parámetros de la funcionalidad neuralnet algunas de las características más importantes de su arquitectura.
Para ello, ajustaremos un modelo de regresión para los datos lidar, donde logratio es la variable respuesta.
Luego, en un segundo ejemplo, modelamos un clasificador mediante redes neuronales, para lo cual, primero hacemos un análisis de reducción de variables explicativas en un conjunto de datos que dispone de más de 16000 columnas, y en la variable respuesta tenemos mútiples clases.
En todos los modelos obtenidos, en ambos problemas, calculamos el error de predicción y comparamos los resultados.
Este trabajo fue el proyecto final del curso Ciencia de Datos con R: Fundamentos Estadísticos, dictado el 1er trimestre del 2020 en la FCEN de la UBA.
Este trabajo extiende el trabajo realizado por Joaquín Amat Rodrigo. Ver https://rpubs.com/Joaquin_AR/387758
Biblio muy clara http://neuralnetworksanddeeplearning.com/chap1.html.