更新 function.py

function.py

@@ -26,14 +26,15 @@ name = "刘子豪"
 
 
 # 这里写自己的代码实现
-def train_logreg(X, y, other_params="你自己设置一些其它参数"):
+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。
-    - 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**。
+    - learning_rate (float): 学习率。
+    - iterations (int): 迭代次数。
 
     Returns:
     - numpy array: 训练得到的权重。
@@ -70,10 +71,10 @@ def predict_logreg(inX, weights):
 # 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。
@@ -81,39 +82,14 @@ def load_data(filepath):
     """
     data = []
     labels = []
-
-    # 读取数据并处理缺失值
     with open(filepath, 'r') as file:
         for line in file:
             fields = line.strip().split()
-            if len(fields) < 2:
-                continue
-            
-            features = fields[:-1]
-            label = fields[-1]
-            
-            # 记录特征和标签
-            data.append(features)
-            labels.append(label)
-    
-    # 转换数据为 NumPy 数组，方便进一步处理
-    data = np.array(data)
-    labels = np.array(labels, dtype=int)
-
-    # 用于存储浮点型数据
-    numeric_data = np.zeros(data.shape, dtype=float)
-
-    # 对每列进行缺失值填补
-    for col in range(data.shape[1]):
-        # 获取列数据，将 "?" 替换为 NaN，然后计算均值
-        col_data = np.where(data[:, col] == '?', np.nan, data[:, col]).astype(float)
-        mean_value = np.nanmean(col_data)  # 计算均值忽略 NaN
-
-        # 将 NaN 替换为均值
-        col_data = np.where(np.isnan(col_data), mean_value, col_data)
-        numeric_data[:, col] = col_data
-
-    return numeric_data, labels
+            if '?' in fields:
+                continue  # 跳过包含缺失值的行
+            data.append([float(x) for x in fields[:-1]])
+            labels.append(int(fields[-1]))  # 假设标签在最后一列
+    return np.array(data), np.array(labels)
 
 
 if __name__ == "__main__":