这次数据集使用的是iris数据集，也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。 使用BP神经网络进行实现，代码部分总共为两个版本，分别是CPU版本和GPU版本。

BELMKN：贝叶斯极限学习机Kohonen网络 无监督的极限学习机（ELM）是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取，聚类预测，最后使用k-means进行聚类。 客观的 要使用Unsuoervised Extreme Learning Machine执行非线性特征学习，使用贝叶斯信息准则（BIC）预测数据集中的聚类数，最后使用k-means，自组织图/ Kohonen网络和EM算法进行聚类 模组 无监督的极限学习机：在此模块中，使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法，其中输入层和隐藏层之间的权重被随机初始化，并且使用目标函数计算隐藏层和输出层之间的权重。 因此，可以保证收敛于全局最小值。 贝叶斯信息准则：贝叶斯信息准则是一种统计方法，使用d来找出数据集中的聚类数。 它使用期望最大化（EM）算法来查找数据集中的

Suppot-Vector-Machine-IRIS:使用SVM对IRIS数据集进行实验

不调包，手打实现人工神经网络，导入iris数据集，输入层4节点，隐藏层5节点，输出层3节点，可定义学习率和训练次数。正确率达在85~95波动

内部包含Iris数据集、帕尔默企鹅数据集、共享单车需求数据集、葡萄酒分类数据集、波士顿住房数据集、电离层数据集、Fashion MNIST 数据集、威斯康星州乳腺癌（诊断）数据集、情绪分析Sentiment 数据集、BBC 新闻数据集、垃圾短信分类器数据集、CelebA 数据集、纸币验证数据集、皮马印第安人糖尿病数据集、小麦种子数据集、鲍鱼数据集、MNIST数据集等，包含数据集及详细的数据集简介，帮助你快速找到需要的数据集。

该数据集有3个类virginica，versicolor和setosa，每类50个样本；每个样本是一个4维的特征向量,萼片长，萼片宽，花瓣长，花瓣宽；virginica和versicolor有很多重叠。可用于算法的检测，是常用的测试数据

具体说明见：http://blog.csdn.net/java1573/article/details/78865495

从UCI上下载的iris数据集，经过处理可以用于svm。格式如下： 0 1:5.1 2:3.5 3:1.4 4:0.2 0 1:4.9 2:3.0 3:1.4 4:0.2 0 1:4.7 2:3.2 3:1.3 4:0.2 0 1:4.6 2:3.1 3:1.5 4:0.2 0 1:5.0 2:3.6 3:1.4 4:0.2 0 1:5.4 2:3.9 3:1.7 4:0.4

iris数据集是机器学习中常用的数据集，也是很经典的一个数据集。文档中包含csv版和txt两个版本。

UCI Iris数据集和glass数据集，常用的数据挖掘测试数据集