在线顺序极限学习机OS-ELM的python实现

与博文（http://blog.csdn.net/google19890102/article/details/45273309）配套的实验

# coding:UTF-8
#################
# OS_ELM
# author : zhiyong_will
# date : 2015.3.22
#################
from __future__ import division
from datetime import datetime
from csv import DictReader
from math import exp
import random
from numpy import *
import string

#####设置相关参数########
trainData = “C:\\Users\\dell\\Desktop\\OS-ELM\\segment_train.csv“
testData = “C:\Users\dell\Desktop\OS-ELM\\segment_test.csv“
#隐含神经元的个数
nHiddenNeurons = 180
#输入层的神经元个数
nInputNeurons = 19
#初始训练集的大小
NO = 280

#函数
def sig（tData Iw bias num）:
    ‘‘‘
    tData:样本矩阵：样本数*特征数
    Iw:输入层到第一个隐含层的权重：隐含层神经元数*特整数
    bias:偏置1*隐含神经元个数
    ‘‘‘
    v = tData * Iw.T   #样本数*隐含神经元个数
    bias_1 = ones（（num 1）） * bias
    v = v + bias_1
    H = 1./（1+exp（-v））
    return H
    

##导入数据集
firstTrainData = []
firstTrainLable = []

# 处理训练样本
for t row in enumerate（DictReader（open（trainData）））:
    Id = row[‘Id‘]
    del row[‘Id‘]
    del row[‘I0‘]
    
    data = []
    if int（Id） < NO:
        # 处理是否被点击
        if row[‘Label‘] == ‘1.00000000‘:
            y = 1
        elif row[‘Label‘] == ‘2.00000000‘:
            y = 2
        elif row[‘Label‘] == ‘3.00000000‘:
            y = 3
        elif row[‘Label‘] == ‘4.00000000‘:
            y = 4
        elif row[‘Label‘] == ‘5.00000000‘:
            y = 5
        elif row[‘Label‘] == ‘6.00000000‘:
            y = 6
        else:
            y = 7        
        del row[‘Label‘]
        firstTrainLable.append（y）
        # 处理特征
        for key in row:
            value = string.atof（row[key]）
            #index = int（value + key[1:] 16） % D
            data.append（value）
        
        firstTrainData.append（data）
        continue
    elif int（Id） == NO:#开始训练
        p0 = mat（firstTrainData）
        T0 = zeros（（NO 7））
        #处理样本标签
        for i in xrange（0 NO）: 
            a = firstTrainLable[i]
            T0[i][a-1] = 1
        
        T0 = T0 * 2 - 1
        Iw = mat（random.rand（nHiddenNeurons nInputNeurons） * 2 - 1）#随机生成区间-11之间的随机矩阵
        bias = mat（random.rand（1 nHiddenNeurons））
        H0 = sig（p0 Iw bias NO）#样本数*隐含神经元个数
        M = （H0.T * H0）.I
        beta = M * H0.T * T0
    else:#训练剩余的样本每次训练一条样本
        # 处理label
        if row[‘Label‘] == ‘1.00000000‘:
            y = 1
        elif row[‘Label‘] == ‘2.00000000‘:
            y = 2
        elif row[‘Label‘] == ‘3.00000000‘:
            y = 3
        elif row[‘Label‘] == ‘4.00000000‘:
            y = 4
        elif row[‘Label‘] == ‘5.00000000‘:
            y = 5
        elif row[‘Label‘] == ‘6.00000000‘:
            y = 6
        else:
            y = 7        
        del row[‘Label‘]
        Tn = zeros（（1 7））
        #处理样本标签
        b = y
        Tn[0][b-1] = 1
        Tn = Tn * 2 - 1
        # 处理特征
        data = []
        for key in row:
            value = string.atof（row[key]）
            data.append（value）
        pn = mat（data）
        H = sig（

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5294  2015-04-25 19:36  OS_ELM.py

     文件     195537  2015-03-22 15:53  segment_test.csv

     文件     362611  2015-03-22 15:53  segment_train.csv

----------- ---------  ---------- -----  ----

               563442                    3