function [ matrix,attributes ] = bp_preprocess( inputfile )

%% BP神经网络算法数据预处理，把字符串转换为0,1编码

% inputfile: 输入数据文件；

% output： 转换后的0,1矩阵；

% attributes: 属性和Label；

%% 读取数据

[~,txt]=xlsread(inputfile);

attributes=txt(,:end);

data = txt(:end,:end);

%% 针对每列数据进行转换

[rows,cols] = size(data);

matrix = zeros(rows,cols);

for j=:cols

    matrix(:,j) = cellfun(@trans2onefalse,data(:,j));

end

end

function flag = trans2onefalse(data)

    if strcmp(data,'坏') ||strcmp(data,'否')...

        ||strcmp(data,'低')

        flag =;

        return ;

    end

    flag =;

end

%% 使用BP神经网络算法预测销量高低

clear ;

% 参数初始化

inputfile = '../data/sales_data.xls'; % 销量及其他属性数据

%% 数据预处理

disp('正在进行数据预处理...');

[matrix,~] =  bp_preprocess(inputfile);

%% 输入数据变换

input = matrix(:,:end-);

target = matrix(:,end);

input=input';

target=target';

target=full(ind2vec(target+));

%% 新建BP神经网络，并设置参数

% net = feedforwardnet();

net = patternnet();

net.trainParam.epochs=;

net.trainParam.show=;

net.trainParam.showCommandLine=;

net.trainParam.showWindow=;

net.trainParam.goal=;

net.trainParam.time=inf;

net.trainParam.min_grad=1e-;

net.trainParam.max_fail=;

net.performFcn='mse';

% 训练神经网络模型

net= train(net,input,target);

disp('BP神经网络训练完成！');

%% 使用训练好的BP神经网络进行预测

y= sim(net,input);

plotconfusion(target,y);

disp('销量预测完成！');