关于公司财务的预测，使用sklearn中的bp神经网络

目标：已经有551个数据，试图构造一个bp神经网络，通过一个企业的各项指标来判断这个企业属于哪一类。

我写了两个函数，一个是主函数main，一个是读取数据和预处理的函数read_data，
其中read_data函数的代码如下：

# 该函数读取数据并分类
import pandas as pd


def judge(a):
    # 该函数用来分类，分类依据为：
    # 80分以上是1类
    # 40~80分是2类
    # 0~40分是3类
    # -40~0是4类
    # 小于-40分是5类
    if a > 80:
        b = 1
    elif (a < 80) and (a > 40):
        b = 2
    elif (a < 40) and (a > 0):
        b = 3
    elif (a < 0) and (a > -40):
        b = 4
    else:
        b = 5
    return b


def import_data(path='./data/all_data.csv', rate=0.8, shuff=True):
    # 需要输入3个参数，一个是数据的路径，另外一个是训练集和测试集的分布比例,默认是二八开,最后一个是是否需要打乱顺序
    # 返回值是训练数据和测试数据
    all_data = pd.read_csv(path, encoding="gb18030")
    temp_data = all_data.drop(['new', '唯一主代码', '企业名称', '综合得分.1'], axis=1)
    # 删掉这些没用的列
    length = temp_data.shape[0]
    # 整个列表的长度
    class_list = []