宽度学习matlab代码

matlab代码，宽度学习matlab代码，宽度学习matlab代码

import numpy as np
from sklearn import preprocessing
from numpy import random
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import pandas as pd

def show_accuracy（predictLabelLabel）:
    Label = np.ravel（Label）.tolist（）
    predictLabel = predictLabel.tolist（）
    count = 0
    for i in range（len（Label））:
        if Label[i] == predictLabel[i]:
            count += 1
    return （round（count/len（Label）5））

class node_generator:
    def __init__（selfwhiten = False）:
        self.Wlist = []
        self.blist = []
        self.nonlinear = 0
        self.whiten = whiten
    
    def sigmoid（selfdata）:
        return 1.0/（1+np.exp（-data））
    
    def linear（selfdata）:
        return data
    
    def tanh（selfdata）:
        return （np.exp（data）-np.exp（-data））/（np.exp（data）+np.exp（-data））
    
    def relu（selfdata）:
        return np.maximum（data0）
    
    def orth（selfW）:
        for i in range（0W.shape[1]）:
            w = np.mat（W[:i].copy（））.T
            w_sum = 0
            for j in range（i）:
                wj = np.mat（W[:j].copy（））.T
                w_sum += （w.T.dot（wj））[00]*wj 
            w -= w_sum
            w = w/np.sqrt（w.T.dot（w））
            W[:i] = np.ravel（w）
        return W
        
    def generator（selfshapetimes）:
        for i in range（times）:
            W = 2*random.random（size=shape）-1
            if self.whiten == True:
                W = self.orth（W）
            b = 2*random.random（）-1
            yield （Wb）
    
    def generator_nodes（self data times batchsize nonlinear）:
        self.Wlist = [elem[0] for elem in self.generator（（data.shape[1]batchsize）times）]
        self.blist = [elem[1] for elem in self.generator（（data.shape[1]batchsize）times）]
        
        self.nonlinear = {‘linear‘:self.linear
                          ‘sigmoid‘:self.sigmoid
                          ‘tanh‘:self.tanh
                          ‘relu‘:self.relu
                          }[nonlinear]
        nodes = self.nonlinear（data.dot（self.Wlist[0]）+self.blist[0]）
        for i in range（1len（self.Wlist））:
            nodes = np.column_stack（（nodes self.nonlinear（data.dot（self.Wlist[i]）+self.blist[i]）））
        return nodes
        
    def transform（selftestdata）:
        testnodes = self.nonlinear（testdata.dot（self.Wlist[0]）+self.blist[0]）
        for i in range（1len（self.Wlist））:
            testnodes = np.column_stack（（testnodes self.nonlinear（testdata.dot（self.Wlist[i]）+self.blist[i]）））
        return testnodes   

    def update（selfotherW otherb）:
        self.Wlist += otherW
        self.blist += otherb
        
class scaler:
    def __init__（self）:
        self._mean = 0
        self._std = 0
    
    def fit_transform（selftraindata）:
        self._mean = traindata.mean（axis = 0）
        self._std = traindata.std（axis = 0）
        return （traindata-self._mean）/self._std
    
    def transform（selftestdata）:
        return （testdata-self._mean）/self.

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-06-19 10:37  Broad-Learning-System-master\
     文件        1203  2018-06-19 10:37  Broad-Learning-System-master\.gitignore
     目录           0  2018-06-19 10:37  Broad-Learning-System-master\BroadLearning\
     文件        6927  2018-06-19 10:37  Broad-Learning-System-master\BroadLearning\bls.py
     文件       11338  2018-06-19 10:37  Broad-Learning-System-master\BroadLearning\bls_addinput.py
     文件        8632  2018-06-19 10:37  Broad-Learning-System-master\BroadLearning\bls_enhence.py
     文件        9265  2018-06-19 10:37  Broad-Learning-System-master\BroadLearning\bls_enhmap.py
     文件        8465  2018-06-19 10:37  Broad-Learning-System-master\BroadLearning\bls_mapping.py
     文件        1073  2018-06-19 10:37  Broad-Learning-System-master\LICENSE
     文件          33  2018-06-19 10:37  Broad-Learning-System-master\README.md