这个该怎么编程，bp

本人最近用BP在作预测，但是以前这方面涉足不是很多，所以只好求教各位老师了！是这样的，我想用五个指标值预测一个0或者1的输出值，这个程序应该怎么编写？由于输出值为0或者1，需不需要提前对五个指标作处理？希望老师们给予解答，谢谢。

样本	期望输出	x1	x2	x3	x4	x5
600173	1	0.77340	-0.1697	0.11970	0.04360	1.05190
600198	1	0.95160	0.02400	0.17240	0.07780	1.02460
600800	1	0.83780	0.05390	0.07750	0.00820	1.02670
600705	1	0.49810	-0.1107	-0.0396	-0.0174	0.96850
600223	1	0.52080	0.01080	0.13770	0.08240	1.11980
000007	1	0.24530	-0.7874	0.20790	0.02600	1.08440
600503	1	1.00750	-1.0603	0.27820	0.03420	0.92490
600722	1	0.54760	0.02570	0.07600	0.04840	1.11690
000100	1	0.99850	0.00720	-0.0326	-0.0563	1.10640
600609	1	0.53760	-0.3368	-0.0134	-0.0030	1.11060
600753	1	0.54400	0.02000	0.03050	0.00380	1.03730
600155	1	0.64530	0.03510	0.09710	0.08190	1.15000
600706	1	0.61740	0.26950	-0.1372	-0.0422	1.14220
000673	1	2.36370	0.05350	-0.0892	-0.0317	0.95020
000738	1	0.97850	-0.4369	-0.1642	-0.0585	0.95540
000928	1	0.63550	-0.1741	0.05060	0.01880	1.01940
600891	1	0.37630	0.06110	1.67350	0.13320	1.17090
600209	1	0.76390	-0.0686	0.20280	0.04090	1.05860
600516	1	0.86720	-0.1295	-0.0455	-0.0168	1.02800
600657	1	0.74570	-0.2685	-0.1230	-0.0527	0.96370
600386	1	0.37850	0.02490	0.16670	0.11580	1.20720
600862	1	0.59220	0.04720	-0.0641	-0.0431	0.99070
000509	1	0.54010	-0.1134	-0.1030	-0.0283	0.88860
600671	1	1.87030	0.05380	0.00650	0.00380	1.02990
600735	1	0.38260	0.02420	0.08070	0.04350	0.96440
000779	1	0.83520	-0.6655	-0.1763	-0.0820	1.12660
600645	1	0.74720	-0.1904	0.20540	0.09670	1.14270
000692	1	0.79580	0.02390	0.22440	0.06320	1.24710
600381	1	1.05820	0.10820	0.03420	0.02340	1.33020
000691	1	0.53650	-0.5348	0.36840	0.02630	1.13300
600716	1	0.37900	0.09610	0.25770	0.16950	1.25560
600854	1	1.72020	0.00520	0.05440	0.03840	1.05220
600734	1	0.82980	-0.1160	-0.1489	-0.1221	0.93090
000506	1	0.54400	-0.1826	0.10990	0.02520	1.04210
600579	1	0.59540	0.04600	-0.1191	-0.0369	1.07150
000735	1	1.04530	0.02560	0.22310	0.05210	0.92640
600052	1	0.41440	0.10700	-0.0165	-0.0020	1.25980
600699	1	0.63300	0.08870	0.12570	0.03650	1.26780
600213	1	0.69240	-0.0844	-0.0601	-0.0387	1.01150
000716	1	0.62600	0.07670	0.15540	0.05270	1.16670
600076	1	0.41270	-0.7656	-0.2874	-0.0492	0.95990
000920	1	0.83880	-0.0110	-0.1229	-0.0634	1.40560
600225	1	0.92720	-0.0748	0.12230	0.03210	1.00310
000545	1	0.76960	0.09070	0.06210	0.02300	1.10760
600217	1	0.58280	0.11090	0.13070	0.04960	1.19360
600599	1	1.97680	0.02750	0.08360	0.05760	1.01850
000965	1	1.27410	0.04940	0.08680	0.02960	1.10950
600080	1	0.90180	0.01290	0.09860	0.04720	1.11990
600207	1	1.03570	0.17560	0.09580	0.06950	1.24710
600568	1	0.98590	0.03140	0.00610	0.00410	1.24780
000005	1	0.38870	-0.3077	0.91490	0.02520	1.28580
600462	1	0.70950	0.02480	0.16340	0.06710	1.09690
000799	1	0.72760	0.02470	0.33030	0.08060	1.27700
000650	1	0.46140	-0.1892	0.06260	0.02740	0.97390
600552	1	0.82290	0.10230	0.05820	0.03410	1.21290
600313	1	1.66140	0.01090	0.06090	0.08290	1.01290
600101	1	0.80380	0.24330	0.41900	0.09400	1.28560
600758	1	0.79040	-0.0117	-0.0156	-0.0167	0.99040
000040	0	0.62780	0.06470	0.42980	0.16200	1.13430
000068	0	0.99580	0.22460	0.34430	0.13870	2.06090
000096	0	3.16910	0.08250	0.02600	0.03340	1.07290
000415	0	0.91440	0.03750	0.18160	0.05220	1.23360
000422	0	0.63990	0.11040	0.23730	0.17520	1.28300
000502	0	1.41830	0.22330	-0.0902	-0.0488	1.01420
000514	0	1.63510	0.24380	1.31610	0.49180	1.01880
000525	0	0.74210	0.05380	0.08240	0.13170	1.08920
000527	0	0.47900	0.03590	0.06610	0.12990	1.07800
000528	0	0.85960	0.08320	0.09500	0.15730	1.19240
000567	0	1.21910	0.18750	0.06880	0.02270	1.02290
000584	0	0.28810	0.06530	0.06410	0.02020	1.91320
000606	0	0.57000	0.02060	0.21570	0.05090	1.13440
000703	0	1.01790	0.13040	0.25810	0.04920	1.11300
000760	0	0.54300	-0.4236	0.07540	0.03240	1.03980
000789	0	0.58910	-0.0705	0.02090	0.00790	1.44860
000796	0	0.50410	0.01650	-0.0190	-0.0071	1.15350
000826	0	1.88110	0.57110	0.27330	0.05870	0.92410
000831	0	0.51790	0.03480	0.19410	0.12040	1.25430
000839	0	0.56900	0.21900	0.38830	0.10720	1.24510
000905	0	1.25270	0.34470	0.19910	0.04490	1.53650
000967	0	3.41380	-0.2780	0.06370	0.02190	1.10300
002014	0	1.71540	0.11700	0.09960	0.13150	1.60150
002030	0	4.46460	0.23950	0.09950	0.06340	1.75220
002034	0	1.22120	0.05350	0.12730	0.19550	1.26370
002036	0	3.80550	0.15720	0.18600	0.10270	1.91210
002038	0	12.3682	0.60800	0.33600	0.11540	3.70070
002039	0	0.36690	0.19050	0.38650	0.05790	3.59250
002044	0	0.97200	0.05210	0.07460	0.16270	1.06840
002100	0	0.62630	0.07820	0.10250	0.12350	1.13810
002106	0	1.34500	0.80150	0.39520	0.31260	2.20990
600105	0	0.91360	0.04560	0.01140	0.00660	1.13310
600130	0	0.85750	0.02590	0.00530	0.01200	1.07250
600159	0	0.65350	-1.5321	-6.2910	-0.1031	0.16980
600179	0	0.67580	0.03410	0.05470	0.03080	1.02980
600180	0	1.12870	0.06180	0.01650	0.01100	1.01870
600266	0	0.31290	0.08520	0.17490	0.04390	1.09690
600315	0	1.88040	0.04290	0.04300	0.04290	1.11960
600335	0	0.57990	0.01870	0.46330	0.18630	1.33570
600455	0	1.93130	0.03130	-0.8956	-0.3294	1.64890
600476	0	1.10820	0.10070	0.01130	0.00430	1.13960
600487	0	1.29550	0.11940	0.11130	0.06530	1.07010
600506	0	2.18740	0.00960	0.86320	0.05160	2.31870
600513	0	3.72000	0.07350	0.01870	0.01120	1.04500
600529	0	1.01310	0.25730	-0.0066	-0.0033	1.12910
600633	0	1.29420	0.00830	0.03120	0.03020	1.07900
600696	0	0.93210	0.03900	0.22660	0.05900	0.92060
600730	0	1.11020	0.01590	-0.0166	-0.0390	1.00050
600747	0	1.45670	0.14580	-0.0295	-0.0118	1.37200
600785	0	0.64690	0.03430	0.06960	0.08880	1.09910
600791	0	0.47330	0.39890	-0.6319	-0.2013	1.11410
600836	0	0.65020	0.03210	0.09090	0.06530	1.11690
600866	0	1.98380	0.11060	0.06350	0.02350	1.49060
600869	0	0.74230	0.15880	0.07430	0.02860	1.18660
600885	0	0.55510	0.01400	0.00530	0.00230	1.12560
600965	0	2.18890	0.09970	-0.0331	-0.0333	1.48750
600969	0	1.05880	0.10920	0.02300	0.01390	1.71260
600982	0	0.95410	0.14590	0.13140	0.07200	1.56680
000935	1	0.63880	0.04650	0.11670	0.04190	1.23820
000906	1	0.57390	0.00340	0.03530	0.04620	1.02470
000971	1	1.03060	0.05500	0.05620	0.01940	1.10400
600868	1	0.60200	0.00870	0.23230	0.01880	1.57690
600401	1	0.73770	0.09630	0.01960	0.00870	1.36940
600870	1	0.67820	0.00820	-0.0382	-0.0746	1.01090
002075	1	0.47140	0.02620	0.01230	0.02130	1.03830
600556	1	0.53330	0.31330	0.53860	0.11890	1.24700
000722	1	0.42740	0.05880	0.21280	0.04880	1.06040
600212	1	0.45000	0.02270	0.01400	0.00590	1.00530
600793	1	0.28000	0.01110	0.26990	0.12830	0.91160
600792	1	0.18280	0.04200	-0.0269	-0.0263	1.05150
600372	1	0.62380	-0.0068	0.01550	0.01110	1.21640
600329	1	0.64540	0.04180	0.10400	0.06570	1.08340
600771	1	0.92260	0.12290	0.52810	0.19610	1.14770
600275	1	0.06400	0.08630	-0.1995	-0.0335	0.77350
600180	1	0.95310	0.04730	0.13530	0.06750	1.07030
000023	0	0.64300	-0.0467	0.19920	0.09820	1.10220
000516	0	0.65770	0.04800	0.05770	0.09160	1.12110
000518	0	2.11180	-0.3767	-0.0263	-0.0040	1.11440
000720	0	0.52790	0.01170	0.06000	0.02980	1.15750
000723	0	0.85120	0.01230	0.05290	0.04500	1.02210
000795	0	0.85570	0.01100	0.15730	0.03760	1.18030
000856	0	0.39440	0.00940	0.00810	0.00380	1.01070
002019	0	0.65390	0.10840	0.08960	0.05510	1.27870
600200	0	0.97840	0.04790	0.03840	0.02660	1.10870
600382	0	1.07160	0.11300	-0.0853	-0.0362	1.01870
600433	0	0.73340	0.02670	0.11700	0.07770	1.11010
600458	0	1.24950	0.06290	-0.0522	-0.0349	1.06040
600487	0	1.28460	0.12650	0.00530	0.00300	1.02400
600535	0	1.31470	0.19100	0.14660	0.08670	1.31140
600557	0	0.95970	0.09100	0.12640	0.11430	1.13130
600622	0	0.84410	0.16190	0.16500	0.06040	1.23920
600965	0	1.08570	0.03460	0.10460	0.07030	1.09590

这个需要做判别分析！

建立一个判别方程 我想就可以得到你想要的结果了
建议使用sas

人家都说了是要用BP的了。
3# jpingl1273

判别分析我已经做了，我现在要求用BP做，好比较,所以麻烦会matlab编程的指教，谢谢！给主程序也行，谢谢

i dont know what is BP. but wont logistic regression help?

真的没有会的人愿意帮忙吗？

把他拉进EM来做吧，规范化一下，里面有规范选项和BP算法。目前我还没见过用sas过程实现的，哪位知道贡献出来啊。

matlab程序也行