R语言 使用BP神经网络进行银行客户信用评估

一、学习R语言AMORE包中的newff函数

这是个前馈神经网络工具包，类似的还有nnet，RSNNS等。AMORE比nnet参数要丰富一些。AMORE用来构建前馈神经网络的函数是newff.

newff(n.neurons, learning.rate.global, momentum.global, error.criterium, Stao, 	hidden.layer, output.layer, method)

其中。n.neurons是个数值向量，包含在每个层的神经元的数目。第一个数是输入神经元的数量，最后是输出神经元的数量，其余的都是隐藏层神经元的数量。learning.rate.global全局的学习率。momentum.global全局的动量值(有的学习算法需要设置这个值？貌似是步长）。数据挖掘入门与实战 公众号： datadw

error.criterium误差衡量算法，我用误差平方和，所以选“LMS”。hidden.layer隐藏层激活函数。output.layer输出层激活函数。method学习方法，翻译过来都是梯度下降？不是BP最速下降？还好这里反正不影响结果。

二、构建神经网络预测银行客户的信用。

原始数据下载http://yun.baidu.com/share/link?shareid=668466015&uk=1175373848

german.data-numeric是德国一家银行的数据，共1000行，前24个变量是用户的各种存款贷款记录，最后一个变量是信用好坏，只有1和2两种情况。

次运行，发现正确率在百分之76左右。八错八错