python矩阵类&极限学习机

极限学习机实验

一、实验要求

1． 掌握神经元网络中的几种常见的激活函数。
2． 掌握矩阵的常见操作，并能用程序实现。
3． 掌握最小二乘法，并能用程序实现。
4． 通过激活函数、矩阵操作、最小二乘法实现极限学习机，能够对任意变量数量的数据集进行训练，确定网络结构中的参数，并能够利用获得的确定网络进行预测。

二、矩阵类

我跟着这个python的矩阵类实现写的自己的矩阵类。
链接中的矩阵类使用的是二维数组，然而无法直接赋值整个矩阵，只能进行单行赋值。
因此我使用的是一维数组，初始化时矩阵可以直接通过list、tuple等直接整体赋值

class MyMatrix(object):

    def __init__(self, row, column, value = 0):
        self.row = row
        self.column = column
        if value == 0:
            self._matrix = [0.0 for i in range(row * column)]
        else:
        	assert len(value) == row * column, '赋值数量不匹配'
            self._matrix = list(value)

通过python的特殊函数实现了加、乘、获取元素、赋值和输出功能。

    # return m[i]，返回矩阵第i行元素（list）
    # return m[i, j]，返回矩阵第i行第j行的元素
    def __getitem__(self, index):
        if isinstance(index, int):
            assert index <= self.row, str(index) + ' ' + str(self.row) + ' index超了'
            row = []
            for i in range(self.column):
                row.append(self._matrix[self.column * (index - 1) + i])
            return row
        elif isinstance(index, tuple):
            assert index[0] <= self.row and index[1] <= self.column, str(index[0]) + ' ' +  str(self.row) + ' ' + str(index[1]) + ' ' +  str(self.column) + ' index超了'
            return self._matrix[self.column * (index[0] - 1) + index[1] - 1]
    

    # m[i, 0] ~ m[i, j] = value，给矩阵第i行赋值，list或tuple
    # m[i, j] = value
    def __setitem__(self, index, value):
        if isinstance(index, int):
            assert index <= self.row, str(index) + ' ' + str(self.row) + ' index超了'
            for i in range(self.column):
                self._matrix[self.column * (index - 1) + i] = value[i]
        elif isinstance(index, tuple):
            assert index[0] <= self.row and index[1] <= self.column, str(index[0