基于BP神经网络的个人信贷信用评估matlab代码.zip

% credit_class.m % 信贷信用的评估 % 数据取自德国信用数据库 %% 清理工作空间 clear,clc % 关闭图形窗口 % close all %% 读入数据 % 打开文件 fid = fopen('german.data', 'r'); % 按格式读取每一行 % 每行包括21项，包括字符串和数字 C = textscan(fid, '%s %d %s %s %d %s %s %d %s %s %d %s %d %s %s %d %s %d %s %s %d\n'); % 关闭文件 fclose(fid); % 将字符串转换为整数 N = 20; % 存放整数编码后的数值矩阵 C1=zeros(N+1,1000); for i=1:N+1 % 类别属性 if iscell(C{i}) for j=1:1000 % eg: 'A12' -> 2 if i<10 d = textscan(C{i}{j}, '%c%c%d'); % eg: 'A103' -> 3 else d = textscan(C{i}{j}, '%c%c%c%d'); end C1(i,j) = d{end}; end % 数值属性 else C1(i,:) = C{i}; end end %% 划分训练样本与测试样本 % 输入向量 x = C1(1:N, :); % 目标输出 y = C1(N+1, :); % 正例 posx = x(:,y==1); % 负例 negx = x(:,y==2); % 训练样本 trainx = [ posx(:,1:350), negx(:,1:150)]; trainy = [ones(1,350), ones(1,150)*2]; % 测试样本 testx = [ posx(:,351:700), negx(:,151:300)]; testy = trainy; %% 样本归一化 % 训练样本归一化 [trainx, s1] = mapminmax(trainx); % 测试样本归一化 testx = mapminmax('apply', testx, s1); %% 创建网络，训练 % 创建BP网络 net = newff(trainx, trainy); % 设置最大训练次数 net.trainParam.epochs = 1500; % 目标误差 net.trainParam.goal = 1e-13; % 显示级别 net.trainParam.show = 1; % 训练 net = train(net,trainx, trainy); %% 测试 y0 = net(testx); % y0为浮点数输出。将y0量化为1或2。 y00 = y0; % 以1.5为临界点，小于1.5为1，大于1.5为2 y00(y00<1.5)=1; y00(y00>1.5)=2; % 显示正确率 fprintf('正确率: \n'); disp(sum(y00==testy)/length(y00)); %% 训练.测试 M = 20; rat = zeros(1, M); trr = rat; for i=1 : M % 创建网络，训练 net = newff(trainx, trainy); % 设置最大训练次数 net.trainParam.epochs = 1500; % 目标误差 net.trainParam.goal = 1e-13; % 显示级别 net.trainParam.show=1; % 训练 [net tr] = train(net, trainx, trainy); % 测试 y0 = net(testx); % y0为浮点数，将y0量化为1或2 y00 = y0; y00(y00<1.5) =1; y00(y00>1.5) =2; rat(i) = sum(y00==testy)/length(y00); trr(i) = length(tr.epoch); end % 显示正确率 fprintf('正确率:\n'); disp(rat); fprintf('平均正确率:\n'); disp(mean(rat)); fprintf('最低正确率:\n'); disp(min(rat)); % 显示训练次数 fprintf('迭代次数:\n'); disp(trr); % 绘制双坐标图 [AX, H1, H2] = plotyy(1:M, rat, 1:M, trr, 'plot', 'plot'); % 设置y轴的范围 set(AX(1), 'YLim', [0.70, 0.80]); set(AX(2), 'YLim', [0, 5]); % 设置线型 set(H1, 'LineStyle', '--') set(H2, 'LineStyle', ':') % 设置Y轴标签 set(get(AX(1), 'Ylabel'), 'String', '正确率') set(get(AX(2), 'Ylabel'), 'String', '训练次数') title('BP网络的正确率与训练次数')