更新 function.py

function.py

@@ -1,39 +1,18 @@
 # function.py
 import numpy as np
 
-"""
-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。
-"""
 id = "202210423124"
 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。
@@ -67,13 +46,12 @@ def predict_logreg(inX, weights):
     return 1 if probability >= 0.5 else 0
 
 
-# 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。
@@ -84,19 +62,14 @@ def load_data(filepath):
     with open(filepath, 'r') as file:
         for line in file:
             fields = line.strip().split()
-            if '?' in fields or len(fields) < 2:
-                continue
-            try:
-                data.append([float(x) for x in fields[:-1]])
-                labels.append(int(fields[-1]))
-            except ValueError:
-                continue
-    
+            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__":
-    # 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")