更新 function.py

function.py

@@ -1,77 +1,157 @@
+# 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。
+
+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
+"""
 
 id = "202210423201"
 name = "陈瑞琪祥"
+
+
+# 这里写自己的代码实现
 import numpy as np
-from sklearn.model_selection import train_test_split
+from sklearn.svm import SVC
-from sklearn.metrics import accuracy_score
+from sklearn.model_selection import train_test_split, cross_val_score
+from sklearn.metrics import classification_report, accuracy_score
+from sklearn.preprocessing import StandardScaler
 
 # 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**。
+
+    Args:
+    - filepath (str): 数据文件路径。
+
+    Returns:
+    - np.array: 特征数据。
+    - np.array: 标签数据。
+    """
     data = []
     labels = []
     
     with open(filepath, 'r') as file:
         for line in file:
             fields = line.strip().split()
+            
+            # 处理缺失值，用0填充
             fields = [0 if f == '?' else float(f) for f in fields]
             
+            # 标签是倒数第6列
             label = int(fields[-6])
+            
+            # 特征为其他列（不包含倒数第6列标签）
             features = np.array(fields[: -6] + fields[-5:], dtype=float)
             
-            if label in [1, 2, 3]:
+            # 标签映射：将 1->0, 2->1, 3->2
-                label = {1: 0, 2: 1, 3: 2}[label]
+            if label == 1:
-                data.append(features)
+                label = 0
-                labels.append(label)
+            elif label == 2:
+                label = 1
+            elif label == 3:
+                label = 2
             else:
                 print(f"无效标签，跳过此样本：{label}")
+                continue  # 跳过无效标签
             
-    return np.array(data), np.array(labels)
+            # 添加数据和标签
+            data.append(features)
+            labels.append(label)
     
-# 线性SVM训练函数
+    # 转换为numpy数组
-def train_svm(X, y):
+    data = np.array(data)
-    n_samples, n_features = X.shape
+    labels = np.array(labels)
-    weights = np.zeros(n_features)
-    bias = 0
-    learning_rate = 0.01
-    iterations = 1000
     
-    for _ in range(iterations):
+    return data, labels
-        for idx, x_i in enumerate(X):
-            condition = y[idx] * (np.dot(x_i, weights) - bias) >= 1
-            if not condition:
-                weights -= learning_rate * (2 * weights - np.dot(x_i, y[idx]))
-                bias -= learning_rate * y[idx]
 
-    return weights, bias
 
-# 预测函数
+def train_svm(X, y, other_params=None):
-def predict_svm(X, weights, bias):
+    """
-    return np.sign(np.dot(X, weights) - bias)
+    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。
+
+    Returns:
+    - SVC: 训练好的SVM模型。
+    """
+    # 使用高斯核（RBF核）训练SVM
+    model = SVC(kernel='rbf', C=1.0, gamma='scale', random_state=42)
+    model.fit(X, y)
+    
+    return model
+
+
+def predict_svm(inX, model):
+    """
+    支持向量机预测函数。
+
+    Args:
+    - inX (numpy array): 输入待分类的样本。
+    - model (SVC): 训练得到的支持向量机模型。
+
+    Returns:
+    - int: 预测的分类标签。
+    """
+    return model.predict(inX.reshape(1, -1))[0]
 
-# 评估函数
-def evaluate_svm(test_data, weights, bias):
-    predictions = [predict_svm(test_data[i].reshape(1, -1), weights, bias) for i in range(len(test_data))]
-    return predictions
 
 if __name__ == "__main__":
     # 加载数据
-    X, y = load_data("./data/horse-colic.data")
+    X_train, y_train = load_data("./data/horse-colic.data")
+    X_test, y_test = load_data("./data/horse-colic.test")
 
-    # 分割数据集
+    # 划分数据集
-    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
+    X_train, X_test, y_train, y_test = train_test_split(X_train, y_train, test_size=0.2, random_state=42, stratify=y_train)
 
-    # 训练SVM模型
+    # 数据标准化
-    weights, bias = train_svm(X_train, y_train)
+    scaler = StandardScaler()
+    X_train = scaler.fit_transform(X_train)
+    X_test = scaler.transform(X_test)
+
+    # 交叉验证评估
+    print("正在进行交叉验证评估...")
+
+    # 使用交叉验证计算准确率，设置10折交叉验证
+    svm_model = SVC(kernel='rbf', C=1.0, gamma='scale', random_state=42)
+    cv_scores = cross_val_score(svm_model, X_train, y_train, cv=10, scoring='accuracy')
+
+    # 输出交叉验证的准确率
+    print(f"交叉验证准确率: {cv_scores.mean():.4f} ± {cv_scores.std():.4f}")
+
+    # 训练支持向量机模型
+    print("正在训练支持向量机模型...")
+    svm_model.fit(X_train, y_train)
 
     # 预测测试集
-    y_pred = evaluate_svm(X_test, weights, bias)
+    y_pred = svm_model.predict(X_test)
 
-    # 评估模型
+    # 输出评估结果
+    print("\n分类报告:")
+    print(classification_report(y_test, y_pred, target_names=["存活", "安乐死", "死亡"]))
+
+    # 输出准确率
     accuracy = accuracy_score(y_test, y_pred)
     print(f"测试集准确率: {accuracy * 100:.2f}%")
 
     # 测试单个数据
     test_sample = X_test[11]  # 选择第12个样本（从0开始计数）
-    y_pred_single = predict_svm(test_sample.reshape(1, -1), weights, bias)
+    y_pred_single = predict_svm(test_sample, svm_model)
-    print(f"\n单个样本预测结果: {y_pred_single[0]}, 实际结果: {y_test[11]}")
+    print(f"\n单个样本预测结果: {y_pred_single}, 实际结果: {y_test[11]}")