更新 function.py

function.py

@@ -1,76 +1,65 @@
-# 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
-"""
-
-
-"""
-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"):
-    """
-    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:
-    - numpy array: 训练得到的权重。
-    """
-
-
-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。
-    """
-
-
-# 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, delimiter=',', dtype=float)
+    X = data[:, :-1]
+    y = data[:, -1]
+    return X, y
 
+def train_svm(X, y, learning_rate=0.01, iterations=1000):
+    """
+    支持向量机训练函数。
+    
+    Args:
+    - X (numpy array): 特征数据。
+    - y (numpy array): 标签数据。
+    - learning_rate (float): 学习率，默认为0.01。
+    - iterations (int): 迭代次数，默认为1000。
+    
+    Returns:
+    - numpy array: 训练得到的权重。
+    """
+    n_samples, n_features = X.shape
+    weights = np.zeros(n_features)
+    bias = 0
+    
+    for _ in range(iterations):
+        for idx in range(n_samples):
+            if y[idx] * (np.dot(X[idx], weights) - bias) < 1:
+                weights += learning_rate * (y[idx] * X[idx])
+                bias += learning_rate * y[idx]
+    
+    return weights, bias
+
+def predict_svm(inX, weights, bias):
+    """
+    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。
+    - bias (float): 训练得到的偏置项。
+    
+    Returns:
+    - int: 预测的分类标签。
+    """
+    prediction = np.dot(inX, weights) - bias
+    return 1 if prediction > 0 else -1
 
 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")
 
@@ -78,8 +67,8 @@ if __name__ == "__main__":
     X_test, y_test = load_data("./data/horse-colic.test")
 
     # 训练支持向量机模型
-    weights = train_svm(X_train, y_train, learning_rate=0.01, iterations=1000)
+    weights, bias = train_svm(X_train, y_train, learning_rate=0.01, iterations=1000)
 
     # 测试单个数据
-    y_pred = predict_svm(X_test[11], weights)
+    y_pred = predict_svm(X_test[11], weights, bias)
-    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: {y_test[11]}")