更新 function.py

function.py

@@ -21,12 +21,12 @@ 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"
-name = "test_name"
+id = "202210423201"
+name = "陈瑞琪祥"
 
 
 # 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, learning_rate=0.01, iterations=1000):
     """
     对率回归训练函数。
 
@@ -38,7 +38,22 @@ def train_logreg(X, y, other_params="你自己设置一些其它参数"):
     Returns:
     - 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
+    learn_rate = learning_rate
+    niterations = iterations
+    
+    # 梯度上升
+    for i in range(niterations):
+        # 计算梯度
+        gradient = np.dot(X.T, (sigmoid(np.dot(X, weights)) - y)) / X.shape[0]
+        
+        # 更新权重
+        weights += learn_rate * gradient
+    
+    return weight
 
 def predict_logreg(inX, weights):
     """
@@ -51,7 +66,14 @@ def predict_logreg(inX, weights):
     Returns:
     - int: 预测的分类标签。
     """
+# 计算概率
+    prob = sigmoid(np.dot(inX, weights))
     
+    # 预测分类
+    if prob > 0.5:
+        return 1
+    else:
+        return 0
 
 # 这里也写自己的代码实现
 def load_data(filepath):
@@ -65,6 +87,8 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
+    data = np.loadtxt(filepath, delimiter=',', skiprows=1)
+    return data[:, :-1], data[:, -1]
 
 
 if __name__ == "__main__":