No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Contextualizaci贸n de la red neuronal

36/37
Recursos

Aportes 4

Preguntas 1

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Esta clase me recod贸 mucho a la pelicula de Gattaca aqui el link a la wiki https://es.wikipedia.org/wiki/Gattaca

# Interpretacion ----------------------------------------------------------

tamano_muestral <- 5000

indices_muestra <- seq_len(nrow(SB11_20111)) %in% sample(seq_len(nrow(SB11_20111)), tamano_muestral)

muestra <- subset(SB11_20111, subset = indices_muestra, select = variables)
muestra <- na.omit(muestra)

red_neuronal <- nnet(MATEMATICAS_PUNT ~ ., data=muestra, size=neuronas, linout = TRUE)

predict(red_neuronal, newdata = SB11_20111) -> puntaje_pronosticado

nuevo_puntaje_mat <- SB11_20111$MATEMATICAS_PUNT - puntaje_pronosticado
nuevo_puntaje_mat <- na.omit(nuevo_puntaje_mat)
plot(density(nuevo_puntaje_mat))


Aplicando mis variables del reto propuesto con la red neuronal, les comparto mis resultados y contextualizaci贸n:

VARIABLES DEPENDIENTES
"ECON_SN_COMPUTADOR", 鈥淓CON_SN_INTERNET鈥, 鈥淔ISICA_PUNT鈥, "QUIMICA_PUNT"

VARIABLE A PREDECIR
"MATEMATICAS_PUNT"

Gr谩fica de densidad



A diferencia del resultado presentado en la clase en mi caso hay menor dispersi贸n en los resultados que predice el modelo a partir de las variables, esto puede ocurrir ya que son variables de mayor correlaci贸n con el puntaje que puede sacar el estudiante.

Cuentenme qu茅 impresiones les genera para que aprendamos mucho m谩s 馃榿

Una clase muy buena la verdad, deber铆a extender un poco m谩s las clases y sacar m谩s conclusiones de los datos, mi Notebook:
https://colab.research.google.com/drive/19wDLFxyH9YswN-gNWPZI5HdNumPm4bqt?usp=sharing
馃К