From 56cffcc38de6fb9c831e60113a76cce2e5e2b4c0 Mon Sep 17 00:00:00 2001
From: 77 <3298722099@qq.com>
Date: Thu, 21 Nov 2024 16:36:41 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 76 ++++++++++++++++++++++++-----------------------------
 1 file changed, 34 insertions(+), 42 deletions(-)

diff --git a/function.py b/function.py
index 4644da4..e02df73 100644
--- a/function.py
+++ b/function.py
@@ -1,76 +1,68 @@
-# function.py
 import numpy as np
 
-"""
-挑战说明:
-- 自行编写实现数据加载与预测病马死亡的支持向量机算法。
+id = "202210423201"
+name = "陈瑞琪祥"
 
-注意事项:
-- 在 function.py 中实现支持向量机算法。
-- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若未在 requirements.txt 中添加使用到的依赖，则无法自动评测，成绩为零。
-- 自动评测脚本仅会加载 train_svm、predict_svm 和 load_data 函数，请勿修改函数名。
-
-测评环境:
-- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
-- OS: Ubuntu 22.04.4 LTS
-- Python: 3.10.12
-- numpy: 2.1.1
-"""
-
-
-"""
-请在这里填写学号和姓名，不填写即成绩无效。
-姓名请直接**填写中文**
-例如: name = "张三"
-"""
-id = "202210423xxx"
-name = "test_name"
-
-
-# 这里写自己的代码实现
-def train_svm(X, y, other_params="你自己设置一些其它参数"):
+def train_svm(X, y, other_params=""):
     """
     支持向量机训练函数。
-
+    
     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**。
-
+    - other_params (str): 其它参数，可选设置。
+    
     Returns:
     - numpy array: 训练得到的权重。
     """
-
+    # 初始化权重
+    weights = np.zeros(X.shape[1])
+    # 设置学习率和迭代次数
+    learning_rate = 0.01
+    iterations = 1000
+    
+    # 简单的梯度下降优化
+    for _ in range(iterations):
+        for i in range(len(X)):
+            if y[i] * (np.dot(X[i], weights)) < 1:
+                weights += learning_rate * (y[i] * X[i])
+            else:
+                weights -= learning_rate * (y[i] * X[i])
+    
+    return weights
 
 def predict_svm(inX, weights):
     """
     支持向量机预测函数。
-
+    
     Args:
     - 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。
     """
+    # 预测标签
+    prediction = np.sign(np.dot(inX, weights))
+    return 1 if prediction > 0 else -1
 
-
-# 这里也写自己的代码实现
 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。
+    
     Args:
-    - directory (str): 数据文件路径。
-
+    - filepath (str): 数据文件路径。
+    
     Returns:
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-
+    data = np.loadtxt(filepath, dtype=np.float64)
+    X = data[:, :-1]
+    y = data[:, -1]
+    return X, y
 
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
     # 加载训练集
     X_train, y_train = load_data("./data/horse-colic.data")