更新 function.py

function.py

@@ -1,4 +1,6 @@
+# function.py
 import numpy as np
+import pandas as pd
 
 """
 请在这里填写学号和姓名，不填写即成绩无效。
@@ -6,73 +8,79 @@ import numpy as np
 id = "202210423107"
 name = "刘燚燊"
 
-# 逻辑回归训练函数
-def train_logreg(X, y, learning_rate=0.01, iterations=1000):
-    """
-    对率回归训练函数。
-
-    Args:
-    - X (numpy array): 特征数据。
-    - y (numpy array): 标签数据。
-    - learning_rate (float): 学习率。
-    - iterations (int): 迭代次数。
-
-    Returns:
-    - numpy array: 训练得到的权重。
-    """
-    m, n = X.shape
-    weights = np.zeros(n)  # 初始化权重
-    for _ in range(iterations):
-        # 计算预测值
-        z = np.dot(X, weights)
-        predictions = 1 / (1 + np.exp(-z))  # Sigmoid函数
-        # 更新权重
-        gradient = np.dot(X.T, (predictions - y)) / m
-        weights -= learning_rate * gradient
-    return weights
-
-def predict_logreg(inX, weights):
-    """
-    对率回归预测函数。
-
-    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。
-    """
-    z = np.dot(inX, weights)
-    probability = 1 / (1 + np.exp(-z))  # Sigmoid函数
-    return 1 if probability >= 0.5 else 0  # 使用0.5作为阈值
 
 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。
+    加载数据集并进行预处理。
+    参数:
+        filepath: 数据文件路径
+    返回:
+        特征和目标变量的数组
     """
-    # 读取数据并处理缺失值
-    data = []
-    with open(filepath, 'r') as f:
-        for line in f:
-            # 将问号替换为0并分割成列表
-            cleaned_line = line.strip().replace('?', '0').split()
-            # 将字符串转换为浮点数并添加到数据集中
-            data.append([float(x) for x in cleaned_line])
-    
-    data = np.array(data)  # 转换为numpy数组
-    X = data[:, :-1]  # 所有特征
-    y = data[:, -1]   # 最后一列作为标签
+    # 读取数据
+    data = pd.read_csv(filepath, header=None)
+
+    # 替换缺失值
+    data.replace('?', np.nan, inplace=True)
+    data.fillna(0, inplace=True)
+
+    # 处理目标变量
+    target_col = data.shape[1] - 1  # 目标变量为最后一列
+    data[target_col] = data[target_col].replace({2: 0, 3: 0})
+
+    # 去掉不需要的特征
+    data.drop(columns=[2, 24, 25, 26, 27], inplace=True, errors='ignore')
+
+    # 转换数据为数值类型
+    data = data.apply(pd.to_numeric, errors='coerce')
+
+    # 分离特征与目标变量
+    X = data.drop(columns=[target_col]).values  # 特征
+    y = data[target_col].values  # 目标变量
+
     return X, y
 
+
+def train_logreg(X, y, learning_rate=0.01, iterations=1000):
+    """
+    训练逻辑回归模型。
+    参数:
+        X: 特征数据
+        y: 目标变量
+        learning_rate: 学习率
+        iterations: 训练迭代次数
+    返回:
+        权重向量
+    """
+    m, n = X.shape
+    weights = np.zeros(n)  # 初始化权重
+    for i in range(iterations):
+        # 计算预测值
+        linear_model = np.dot(X, weights)
+        y_predicted = 1 / (1 + np.exp(-linear_model))
+
+        # 更新权重
+        gradient = np.dot(X.T, (y_predicted - y)) / m
+        weights -= learning_rate * gradient
+
+    return weights
+
+
+def predict_logreg(inX, weights):
+    """
+    使用训练好的模型进行预测。
+    参数:
+        inX: 单个输入数据
+        weights: 权重向量
+    返回:
+        预测结果
+    """
+    linear_model = np.dot(inX, weights)
+    y_predicted = 1 / (1 + np.exp(-linear_model))
+    return 1 if y_predicted >= 0.5 else 0  # 返回二分类结果
+
+
 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")