Python中的SOM网络（Kohonen的地图） - 效果不佳

Question

我为我的课程编写了SOM网络，但它不起作用，我无法弄清楚原因。我有一个Node类，它是单神经元并包含权重向量。然后，我写了一个SOM类，其中包含一个Node的数组。

我的任务是实现SOM，来自这些数据：http://archive.ics.uci.edu/ml/datasets/SPECT+Heart 告诉我哪个输入向量（它是一个二进制向量）适合哪个类别（0或1）。

代码：http://pastebin.com/GerkTf3C

培训过程：

1. 我随机得到一组训练数据的输入向量和它适合的类别。
2. 我使用网络并获得一系列距离，告诉我特定神经元与输入向量的不同之处。
3. 我获得了胜利者节点的索引，它与输入向量的距离较小。
4. 我计算当前迭代的学习率和邻域半径。
5. 对于每个节点，我计算它与赢家节点的欧氏距离。
6. 如果节点位于胜者的邻居中，我会计算它必须如何更改和更新他的权重向量，并添加它的群集矢量它所适合的类别。
7. 我重复步骤1到6，同时学习率大于某个限制
8. 最后，我为每个节点设置了适合的类别。

不幸的是，我获得了40％到80％的效率（它非常不稳定，我不知道如何消除这种随机性）在训练集上进行测试（我认为我应该有效率100）训练集％）

P.S。对不起我的英语和代码质量，但我刚开始学习Python。