diff --git a/function.py b/function.py
index bfd96c4..fa1a8dc 100644
--- a/function.py
+++ b/function.py
@@ -2,9 +2,30 @@ import numpy as np
 import os
 from sklearn.preprocessing import StandardScaler  # 导入标准化库
 
-# 学号和姓名
+"""
+实验说明:
+- 自行编写实现数据加载与预测病马死亡的对率回归算法。
+
+注意事项:
+- 在 function.py 中实现对率回归算法。
+- 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_logreg、predict_logreg 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 = "202210423220"
-name = "方子涵"
+name = "方子涵
 
 def sigmoid(z):
     """计算sigmoid函数"""
@@ -65,7 +86,7 @@ def load_data(filepath):
     labels = np.array(labels)
     
     num_features = data.shape[1]
-        indices_to_remove = [2]  # 去掉特征3（索引2）
+    indices_to_remove = [2]  # 去掉特征3（索引2）
     
     if num_features > 23:
         indices_to_remove.extend(range(23, min(28, num_features)))