RNA Feedforward

Laboratorio 1 - Machine Learning Avanzado

Descripción del Proyecto

Este proyecto implementa un modelo de Red Neuronal Artificial (RNA) de tipo feedforward para clasificar la calidad de manzanas en base a sus características físicas y químicas. Utilizando un conjunto de datos de Kaggle llamado Apple Quality, este modelo busca predecir si una manzana cumple con los estándares de calidad, basado en atributos como el tamaño, peso, dulzura, crujiente, jugosidad, madurez y acidez.

Estructura del Proyecto

1. Preparación y Preprocesamiento de Datos:

   • Estandarización de variables para mejorar la convergencia del modelo.
   • División del conjunto de datos en conjuntos de entrenamiento y prueba (80%-20%).

2. Implementación del Modelo de Red Neuronal Feedforward:

   • Construcción de la arquitectura de la red neuronal, incluyendo capas ocultas con funciones de activación ReLU y una capa de salida con activación sigmoide para clasificación binaria.
   • Entrenamiento del modelo utilizando el optimizador Adam y la función de pérdida de entropía cruzada.

3. Optimización de Hiperparámetros:

   • Ajuste de parámetros clave como el número de neuronas, capas ocultas, tasa de aprendizaje y número de épocas para mejorar el rendimiento.

4. Evaluación y Validación:

   • Análisis de métricas de evaluación como precisión, sensibilidad y especificidad para validar el rendimiento del modelo.
   • Verificación de sobreajuste mediante la comparación del rendimiento en los conjuntos de entrenamiento y prueba.

5. Resultados y Conclusiones:

   • Presentación de los resultados obtenidos y discusión de las conclusiones del modelo aplicado a la clasificación de calidad de manzanas.

Requisitos

Para ejecutar este proyecto, es necesario tener instaladas las siguientes librerías de Python:

• numpy
• pandas
• scikit-learn
• tensorflow o keras
• matplotlib
• seaborn

Cómo Usar

1. Clonar el repositorio:

   git clone https://github.com/tuusuario/RNA_Feedforward.git
   cd RNA_Feedforward