diff --git a/function.py b/function.py
index a3e7efe..8fb3b7c 100644
--- a/function.py
+++ b/function.py
@@ -30,7 +30,6 @@ def sigmoid(z):
 
 # 对率回归训练函数
 def train_logreg(X, y, learning_rate=0.01, iterations=1000):
-
     """
     对率回归训练函数。
 
@@ -85,7 +84,7 @@ def predict_logreg(inX, weights, bias):
 # 数据加载函数
 def load_data(filepath):
     """
-    从文件中加载数据，若不自行正确实现，则无法通过评测，不记录成绩。
+    从文件中加载数据，处理缺失值，将 ? 替换为 NaN 并填充缺失值。
 
     Args:
     - filepath (str): 数据文件路径。
@@ -94,7 +93,15 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    data = np.loadtxt(filepath, delimiter=' ', dtype=float)
+    # 使用 genfromtxt 读取文件并将缺失值标记为 NaN
+    data = np.genfromtxt(filepath, delimiter=' ', dtype=float, missing_values='?', filling_values=np.nan)
+
+    # 对每一列的 NaN 值用列的平均值进行填充
+    nan_columns = np.isnan(data)
+    mean_values = np.nanmean(data, axis=0)
+    data[nan_columns] = np.take(mean_values, np.where(nan_columns)[1])
+
+    # 分离特征和标签
     X = data[:, :-1]  # 所有列（除了最后一列）是特征
     y = data[:, -1]   # 最后一列是标签
     return X, y
@@ -114,3 +121,4 @@ if __name__ == "__main__":
     y_pred = predict_logreg(X_test[11], weights, bias)
     print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")
 
+