更新 function.py

function.py

@@ -21,24 +21,44 @@ import numpy as np
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
-id = "202210423xxx"
+id = "202210423203"
-name = "test_name"
+name = "赵昊龙"
 
 
 # 这里写自己的代码实现
-def train_logreg(X, y, other_params="你自己设置一些其它参数"):
+def train_logreg(X, y, numIter=1000, learning_rate=0.01, lambda_reg=0.01):
     """
-    对率回归训练函数。
+    对率回归训练函数，加入L2正则化。
 
     Args:
     - X (numpy array): 特征数据。
     - y (numpy array): 标签数据。
-    - other_params (str): 其它参数，可选设置。若需设置其它参数，必须设置其默认值，否则将**无法通过**自动评测，**成绩为零**。
+    - numIter (int): 迭代次数。默认为1000。
+    - learning_rate (float): 学习率。默认为0.01。
+    - lambda_reg (float): L2正则化参数。默认为0.01。
 
     Returns:
     - numpy array: 训练得到的权重。
     """
+    m, n = X.shape  # m: 样本数, n: 特征数
+    weights = np.zeros(n)  # 参数初始化
 
+    for j in range(numIter):
+        dataIndex = np.random.permutation(m)
+        for i in range(0, m, 1):  # 使用整个数据集进行梯度下降
+            end = i + 1
+            batch_X = X[dataIndex[i:end]]
+            batch_y = y[dataIndex[i:end]]
+            
+            z = np.dot(batch_X, weights)
+            h = 1 / (1 + np.exp(-z))  # 计算h
+            error = batch_y - h  # 计算误差
+            gradient = np.dot(batch_X.T, error) / len(batch_y)  # 计算梯度
+            reg_term = 2 * lambda_reg * weights
+            gradient += reg_term / len(batch_y)
+            weights -= learning_rate * gradient  # 更新权重
+
+    return weights
 
 def predict_logreg(inX, weights):
     """
@@ -51,7 +71,9 @@ def predict_logreg(inX, weights):
     Returns:
     - int: 预测的分类标签。
     """
-
+    z = np.dot(inX, weights)  # 线性组合
+    prob = 1 / (1 + np.exp(-z))  # 计算概率
+    return 1 if prob >= 0.5 else 0
 
 # 这里也写自己的代码实现
 def load_data(filepath):
@@ -65,7 +87,30 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-
+    with open(filepath, 'r') as file:
+        data_list = []
+        y_list = []
+        for line in file:
+            data = line.strip()
+            data = data.split(' ')
+            if '?' in data:
+                continue  # 跳过包含 '?' 的行
+            data_25 = data[24]
+            y_list.append(data[22])
+            del data[-1]
+            del data[26]
+            del data[25]
+            del data[24]
+            del data[22]
+            del data[2]
+            for i in data_25:
+                data.append(i)
+            data = [0.0 if data_elem == '?' else float(data_elem) for data_elem in data]
+            data_list.append(data)
+        y_array = np.array([1 if label == '2' or label == '3' else 0 for label in y_list])
+        X_array = np.array(data_list)
+        X_array = np.insert(X_array, 0, 1, axis=1)  
+        return X_array, y_array
 
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改