《Python金融大数据风控建模实战》 第15章 神经网络模型

本章引言

神经网络模型是深度学习的基础。 从神经网络的结构中可以发现，模型的未知参数就是一系列权重值，网络结构越复杂其非线性表达能力越强，同时需要学习的权重就越多。误差反向传播算法（error BackPropagation，BP算法）是神经网络的学习策略中最著名的算法代表，不仅用于前馈神经网络的学习，还可以用于其他类型的神经网络，如递归神经网络的训练，而且在深度学习中也是采用BP算法进行网络训练的。

Python代码实现及注释

# 第15章：神经网络模型

import os
import sys
#path = __file__
#path = os.path.abspath(path + ((os.sep + '..') * 2))
#sys.path.append(path)
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
import variable_encode as var_encode
from sklearn.metrics import confusion_matrix,recall_score, auc, roc_curve,precision_score,accuracy_score
from sklearn.neural_network import MLPClassifier
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif']=['SimHei']   # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False     # 正常显示负号
import warnings
warnings.filterwarnings("ignore") ##忽略警告
##数据读取
def data_read(data_path,file_name):
    df = pd.read_csv( os.path.join(data_path, file_name), delim_whitespace = True, header = None )
    ##变量重命名
    columns = ['status_account','duration','credit_history','purpose', 'amount',
               'svaing_account', 'present_emp', 'income_rate', 'personal_status',
               'other_debtors', 'residence_info', 'property', 'age',
               'inst_plans', 'housing', 'num_credits',
               'job', 'dependents', 'telephone', 'foreign_worker',