更新 function.py

function.py

@@ -29,6 +29,9 @@ name = "Tanjunfeng"
 
 # 这里写自己的代码实现
 
+# 这里写自己的代码实现
+import numpy as np
+
 # 这里写自己的代码实现
 def train_logreg(X, y, learning_rate=0.01, iterations=1000):
     """
@@ -85,17 +88,23 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    data = []
-    with open(filepath, 'r') as file:
-        for line in file:
-            line = line.strip().split()
-            if '?' in line:
-                continue  # 跳过包含缺失值的行
-            data.append([float(x) for x in line])
-    data = np.array(data)
+    # 使用 numpy.genfromtxt 读取数据
+    data = np.genfromtxt(
+        filepath,
+        delimiter=None,  # 自动检测分隔符（包括空白符、制表符等）
+        dtype=float,
+        missing_values='?',
+        filling_values=np.nan,
+        autostrip=True
+    )
+
+    # 删除包含缺失值的行
+    data = data[~np.isnan(data).any(axis=1)]
+
+    # 将数据分为特征和标签
     X = data[:, :-1]
     y = data[:, -1]
-    # 将标签转换为二分类1: 存活，0: 死亡或安乐死
+    # 将标签转换为二分1: 存活，0: 死亡或安乐死
     y = np.where(y == 1, 0, 1)
     return X, y
 
@@ -113,7 +122,7 @@ if __name__ == "__main__":
 
     # 测试单个数据
     y_pred = predict_logreg(X_test[11], weights)
-    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")
+    print(f"预测结果: {y_pred}, 实际结果: {int(y_test[11])}")
 
     # 可选：计算测试集上的准确率
     correct = sum(predict_logreg(X_test[i], weights) == y_test[i] for i in range(len(X_test)))