基于BP Adaboost的强分类器设计-公司财务预警建模.doc

基于BP_Adaboost的强分类器设计-公司财务预警建模.doc%%lear%%下载数据loaddata1inputoutput%%权重初始化k=rand(1,2000);[m,n]=sort(k);%训练样本input_train=input(n(1:1900),:):output_train=output(n(1:1900),:):%测试样本input_test=input(n(1901:2000),:)';output_test=output(n(1901:2000),:)';%样本权重[mm,nn]=size(input_toin);D(1,:)=ones(l,nn)/nn;%训练样本归一-化[inputnjnputps]=mapminmax(input_train);|outputn,outputps]=mapminmax(output_train);K=IO;fori=l:K%=newff(inputn,outputn,5);=.trainParam」i=0.=,inputn,outputn);%弱预测器预测anI=jnputn);BPoutput=mapminmax(,reverse\an1,outputps);%预测误差erroryc(i,:)=output_train-BPoutput;%测试数据预测inputn1=mapminmaxCapply\input_test,inputps);an2=,inputn1);test_simu(i,:)=mapminmax(<reverse\an2,outputps);%调整D值Error(i)=0;forj=l:nnifabs(erroryc(i,j))>%较大误差Error(i)=Error(i)+D(i,j);D(i+l,j)=D(ij)*;elseD(i+l,j)二D(i,j);endend%计算弱预测器权重at(i)=(abs(Error(i)));%D值归•一化D(i+1,:)=D(i+1,:)/sum(D(i+1end%%强预测器预测at=at/sum(at);%%结果统计%强分离器效果output=at*test_simu;error=output_test-output;plot(abs(error),,-s5:')holdonfori=1:8errorl(i,:)=test_simu(i,:)-output;endplot(mean(abs(error1))/-orf)titled强预测器预测误差绝对值Tfontsize',12)xlabel('预测样本'fontsize;12)ylabel('误差绝对值'/fontsize',12)legend(*强预测器预测T弱预测器预测')%%lear%%下载数据loaddatainput_trainoutput_traininput_testoutput_test%%权重初始化[mm,nn]=size(input_train);D(1,:)=ones(l,nn)/nn;%%弱分类器分类K=10;fori=l:K%训练样本归一化[inputn,inputps]=rnapminmax(input_train);[outputn,outputps]=mapminmax(output_train);error(i)=0;%=newff(