generated from LufsX/Experiment-LogReg
133 lines
3.7 KiB
Python
133 lines
3.7 KiB
Python
# 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"):
|
|
"""
|
|
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**。
|
|
|
|
Returns:
|
|
- numpy array: 训练得到的权重。
|
|
"""
|
|
m, n = X.shape
|
|
weights = np.zeros(n)
|
|
|
|
for _ in range(iterations):
|
|
z = np.dot(X, weights)
|
|
predictions = 1 / (1 + np.exp(-z)) # 计算sigmoid
|
|
errors = y - predictions
|
|
gradient = np.dot(X.T, errors) / m
|
|
weights += learning_rate * gradient
|
|
|
|
return weights
|
|
|
|
|
|
def predict_logreg(inX, weights):
|
|
"""
|
|
对率回归预测函数。
|
|
|
|
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。
|
|
"""
|
|
z = np.dot(inX, weights)
|
|
probability = 1 / (1 + np.exp(-z))
|
|
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**。
|
|
|
|
Args:
|
|
- directory (str): 数据文件路径。
|
|
|
|
Returns:
|
|
- np.array: 特征数据。
|
|
- np.array: 标签数据。
|
|
"""
|
|
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 __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")
|
|
|
|
# 加载测试集
|
|
X_test, y_test = load_data("./data/horse-colic.test")
|
|
|
|
# 训练对率回归模型
|
|
weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000)
|
|
|
|
# 测试单个数据
|
|
y_pred = predict_logreg(X_test[11], weights)
|
|
print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")
|