Aún no tienes acceso a esta clase

Crea una cuenta y continúa viendo este curso

Contextualización de la red neuronal

36/37
Recursos

Aportes 4

Preguntas 1

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

Esta clase me recodó 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 contextualización:

VARIABLES DEPENDIENTES
"ECON_SN_COMPUTADOR", “ECON_SN_INTERNET”, “FISICA_PUNT”, "QUIMICA_PUNT"

VARIABLE A PREDECIR
"MATEMATICAS_PUNT"

Gráfica de densidad



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

Cuentenme qué impresiones les genera para que aprendamos mucho más 😁

Una clase muy buena la verdad, debería extender un poco más las clases y sacar más conclusiones de los datos, mi Notebook:
https://colab.research.google.com/drive/19wDLFxyH9YswN-gNWPZI5HdNumPm4bqt?usp=sharing
🧬