更新 function.py

function.py

@@ -56,12 +56,9 @@ def predict_logreg(inX, weights):
     # 将概率转为标签
     return 1 if prob >= 0.5 else 0
 
-import numpy as np
-from sklearn.preprocessing import StandardScaler
-
 def load_data(filepath):
     """
-    从文件中加载数据，处理缺失数据，并将 '?' 替换为列的均值或中位数。
+    从文件中加载数据，处理缺失数据，并将 '?' 替换为列的中位数。
     """
     data = []
     labels = []
@@ -92,9 +89,10 @@ def load_data(filepath):
     for i in range(data.shape[1]):
         data[:, i] = np.where(np.isnan(data[:, i]), col_medians[i], data[:, i])
 
-    # 对数据进行标准化
-    scaler = StandardScaler()
-    data = scaler.fit_transform(data)
+    # 对数据进行标准化 (均值为 0，标准差为 1)
+    means = np.mean(data, axis=0)
+    stds = np.std(data, axis=0)
+    data = (data - means) / stds
 
     return data, labels