Python中的SOM网络（Kohonen's map）效果不佳

Question

我已经为我的课程编写了SOM网络，但它不起作用，我不知道为什么。我有一个节点类，它是单神经元，包含权重向量。然后，我编写了SOM类，其中包含一个节点的数组

我的任务是实现SOM，它来自以下数据：http://archive.ics.uci.edu/ml/datasets/SPECT+Heart 输入向量（0）符合哪个类别。在

代码：http://pastebin.com/GerkTf3C

培训过程：

1. 我从一组训练数据中随机得到一个输入向量和它所适合的类别。在
2. 我激活网络，得到一个距离数组，它告诉我特定的神经元与输入向量是如何不同的。在
3. 我得到了winner节点的索引，它与输入向量的距离很小。在
4. 计算当前迭代的学习率和邻域半径。在
5. 对于每一个节点，我计算出它到赢家节点的欧几里德距离。在
6. 如果节点在winner's neighbork中，我会计算它如何更改和更新权重向量，并将它适合的类别添加到它的簇向量中。在
7. 当学习率超过一定限度时，我重复步骤1到6
8. 最后，我为每个节点设置了它适合的类别。在

不幸的是，我得到的有效性从40%到80%（这很不稳定，我不知道如何消除这种随机性）在训练集上进行测试（我想我应该在训练集上有100%的有效性）

抱歉，我的英语和代码质量，但我刚刚开始学习Python。在