更新 function.py

function.py

@@ -1,6 +1,6 @@
-# function.py
 import numpy as np
-
+import pandas as pd
+import os
 """
 实验说明:
 - 自行编写实现数据加载与预测病马死亡的对率回归算法。
@@ -25,36 +25,63 @@ id = "202210423201"
 name = "陈瑞琪祥"
 
 
-# 这里写自己的代码实现
-# 定义 Sigmoid 函数
-import numpy as np
 
-# 定义 Sigmoid 函数
 def sigmoid(z):
+    """
+    Sigmoid函数，用于将线性输出转换为概率值。
+    """
     return 1 / (1 + np.exp(-z))
 
-# 定义对率回归的训练函数
 def train_logreg(X, y, learning_rate=0.01, iterations=1000):
-    m, n = X.shape
+    """
-    weights = np.zeros(n)  # 初始化权重为0
+    对率回归训练函数。
-    for i in range(iterations):
+
+    Args:
+    - X (numpy array): 特征数据。
+    - y (numpy array): 标签数据。
+    - learning_rate (float): 学习率，默认为0.01。
+    - iterations (int): 迭代次数，默认为1000。
+
+    Returns:
+    - weights (numpy array): 训练得到的权重。
+    """
+    # 初始化权重
+    weights = np.zeros(X.shape[1])
+    # 学习率和迭代次数
+    lr = learning_rate
+    n_iterations = iterations
+
+    for i in range(n_iterations):
         # 计算模型预测值
-        predictions = sigmoid(np.dot(X, weights))
+        linear_model = np.dot(X, weights)
+        y_predicted = sigmoid(linear_model)
+        
         # 计算梯度
-        gradient = np.dot(X.T, (predictions - y)) / m
+        gradient = np.dot(X.T, (y_predicted - y)) / len(y)
+        
         # 更新权重
-        weights -= learning_rate * gradient
+        weights -= lr * gradient
+
     return weights
 
-# 定义预测函数
 def predict_logreg(inX, weights):
-    prob = sigmoid(np.dot(inX, weights))
+    """
-    if prob > 0.5:
+    对率回归预测函数。
-        return 1
+
-    else:
+    Args:
-        return 0
+    - inX (numpy array): 输入待分类的样本。
+    - weights (numpy array): 训练得到的权重。
+
+    Returns:
+    - int: 预测的分类标签。
+    """
+    # 计算线性组合
+    linear_output = np.dot(inX, weights)
+    # 应用sigmoid函数
+    probability = sigmoid(linear_output)
+    # 预测类别
+    return 1 if probability > 0.5 else 0
 
-# 定义数据加载函数
 def load_data(filepath):
     """
     从文件中加载数据。
@@ -63,20 +90,28 @@ def load_data(filepath):
     - filepath (str): 数据文件路径。
 
     Returns:
-    - np.array: 特征数据。
+    - X (np.array): 特征数据。
-    - np.array: 标签数据。
+    - y (np.array): 标签数据。
     """
-    # 使用np.genfromtxt加载数据，并将'?'替换为np.nan
+    # 检查文件是否存在
-    data = np.genfromtxt(filepath, delimiter=' ', skip_header=1, filling_values=np.nan)
+    if not os.path.exists(filepath):
+        raise FileNotFoundError(f"文件 {filepath} 不存在")
+
+    # 使用pandas读取数据，将问号替换为NaN
+    data = pd.read_csv(filepath, header=None, na_values='?')
     
+    # 将所有列转换为数值类型，非数值列将被设置为NaN
+    data = data.apply(pd.to_numeric, errors='coerce')
+
+    # 丢弃完全为NaN的行
+    data = data.dropna()
+
     # 分离特征和标签
-    features = data[:, 1:-1]  # 假设除了第一列和最后一列外，其余都是特征
+    X = data.iloc[:, :-1].values
-    labels = data[:, -1]  # 假设最后一列是标签
+    y = data.iloc[:, -1].values
-    
+
-    # 将标签转换为整数类型
+    return X, y
-    labels = labels.astype(int)
+
-    
-    return features, labels
 if __name__ == "__main__":
     # 加载训练集
     X_train, y_train = load_data("./data/horse-colic.data")