BP神经网络对iris数据集进行分类 MATLAB

%正确率95%以上
%%多训练几次可达97%
clc;
clear all;
close all;
SamNum=75;    %输入样本的数量
TestSamNum=75;    %测试样本的数量
% ForcastSamNum=2;   %预测样本的数量
HiddenUnitNum=8;    %中间层隐节点数量
InDim=4;      %网络输入的维度

OutDim=3;      %网络输出的维度

%% 训练的样本 三种花的4个参数
Train=load（‘testData.txt‘）;
Train=Train（:1:4）; 75*4
Train=Train‘;4*75
Test=load（‘trainData.txt‘）;       %给定输入
Test=Test（:1:4）;
Test=Test‘;
% Test=[1.241.80;1.281.84;1.402.04]‘;%%测试数据 2*3
SamOut=[repmat（[1;0;0]125） repmat（[0;1;0]125） repmat（[0;0;1]125）];
% SamOut=[ones（19）zeros（16）;zeros（19）ones（16）];%对蚊子进行分类
SamIn=Train;
%归一化
[Trainps]=mapminmax（Train01）;
% Test=mapminmax（‘apply‘Testps）;
Test=mapminmax（Test01）;
%% bp神经网络训练
%先设置权重及阈值
W1=rand（HiddenUnitNumInDim）;
B1=rand（HiddenUnitNum1）;
W2=rand（OutDimHiddenUnitNum）;
B2=rand（OutDim1）;
%lr为学习效率
lr=0.01;
E0=0.0000001;     %目标误差
MaxEpochs=10000;    %最多训练次数
ErrHistory=[];

for step=1:MaxEpochs
    %     HiddenOut=logsi