diff --git a/function.py b/function.py
index fa1a8dc..bfd96c4 100644
--- a/function.py
+++ b/function.py
@@ -2,30 +2,9 @@ import numpy as np
 import os
 from sklearn.preprocessing import StandardScaler  # 导入标准化库
 
-"""
-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"
-"""
+# 学号和姓名
 id = "202210423220"
-name = "方子涵
+name = "方子涵"
 
 def sigmoid(z):
     """计算sigmoid函数"""
@@ -86,7 +65,7 @@ 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)))