- 将 BPNeuralNetwork 类从 NumPy 重新实现为 PyTorch 模型 - 使用 PyTorch 的自动求导和优化器替换手动反向传播和权重更新 - 将数据转换为 PyTorch 张量并支持 GPU 加速 -保留了原始代码的基本结构和功能
- 新增 BPNeuralNetwork 类实现基本的反向传播神经网络 - 添加数据预处理功能,包括特征缩放和标签的 one-hot 编码- 实现十折交叉验证来评估模型性能 - 分别针对 Iris 和 Wine Quality 数据集进行模型训练和测试 - 输出平均准确率来衡量模型效果