更新 function.py

function.py

@@ -1,133 +1,95 @@
 import numpy as np
 from sklearn.linear_model import LogisticRegression
-from sklearn.metrics import accuracy_score
+from sklearn.impute import SimpleImputer
 
-id = "202210423213"  
-name = "熊浩燃"   
+"""
+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
+"""
+
+id = "202210423xxx"  # 请填写学号
+name = "test_name"   # 请填写姓名
 
 
-def sigmoid(z):
-    """计算Sigmoid函数值"""
-    return 1 / (1 + np.exp(-z))
-
-
-def train_logreg(X, y, learning_rate=0.01, iterations=1000, initial_weights=None):
+def train_logreg(X, y, max_iter=1000, C=1.0):
     """
-    对率回归训练函数，支持暴力搜索超参数。
+    对率回归训练函数，使用sklearn的LogisticRegression。
 
     Args:
     - X (numpy array): 特征数据。
     - y (numpy array): 标签数据。
-    - learning_rate (float): 学习率，默认为0.01。
-    - iterations (int): 梯度下降迭代次数，默认为1000。
-    - initial_weights (numpy array): 预设初始权重，可选。
+    - max_iter (int): 最大迭代次数。
+    - C (float): 正则化强度。
 
     Returns:
-    - numpy array: 训练得到的权重。
+    - sklearn LogisticRegression: 训练好的模型。
     """
-    # 初始化权重
-    weights = initial_weights if initial_weights is not None else np.zeros(X.shape[1])
-    
-    # 梯度下降
-    for i in range(iterations):
-        predictions = sigmoid(np.dot(X, weights))
-        errors = y - predictions
-        weights += learning_rate * np.dot(X.T, errors)
-    
-    return weights
+    # 使用sklearn的LogisticRegression模型
+    model = LogisticRegression(max_iter=max_iter, C=C)
+    model.fit(X, y)
+    return model
 
 
-def predict_logreg(inX, weights):
+def predict_logreg(inX, model):
     """
     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。
+    - model (LogisticRegression): 训练得到的LogisticRegression模型。
 
     Returns:
     - int: 预测的分类标签。
     """
-    probability = sigmoid(np.dot(inX, weights))
-    return 1 if probability >= 0.5 else 0
+    return int(model.predict(inX.reshape(1, -1))[0])
 
 
 def load_data(filepath):
     """
-    从文件中加载数据并填充缺失值。确保每列的缺失值被正确填充为该列的均值。
+    从文件中加载数据并填充缺失值。
 
     Args:
     - filepath (str): 数据文件路径。
 
     Returns:
-    - np.array: 特征数据。
+    - np.array: 填充缺失值后的特征数据。
     - np.array: 标签数据。
     """
-    # 加载数据，处理缺失值（使用 nan 表示缺失数据）
-    data = np.genfromtxt(filepath, delimiter=",", dtype=float, missing_values="?", filling_values=np.nan)
+    # 加载数据
+    data = np.loadtxt(filepath, delimiter=",", dtype=float)
     
-    # 特征和标签分离
-    X = data[:, :-1]
-    y = data[:, -1]
+    # 分割特征和标签
+    X = data[:, :-1]  # 特征
+    y = data[:, -1]   # 标签
 
-    # 对每列特征数据进行缺失值填充
-    col_means = np.nanmean(X, axis=0)
-    inds = np.where(np.isnan(X))
-    X[inds] = np.take(col_means, inds[1])
+    # 填充缺失值，使用列的平均值
+    imputer = SimpleImputer(strategy="mean")
+    X = imputer.fit_transform(X)
     
     return X, y
 
 
-def brute_force_search(X_train, y_train, X_val, y_val, learning_rates, iterations_list):
-    """
-    通过暴力搜索选择最佳的学习率和迭代次数。
-
-    Args:
-    - X_train, y_train: 训练集特征和标签。
-    - X_val, y_val: 验证集特征和标签。
-    - learning_rates (list of floats): 学习率列表。
-    - iterations_list (list of ints): 迭代次数列表。
-
-    Returns:
-    - tuple: 最佳学习率，最佳迭代次数，最佳权重。
-    """
-    best_acc = 0
-    best_params = (0, 0)
-    best_weights = None
-    
-    for lr in learning_rates:
-        for iters in iterations_list:
-            weights = train_logreg(X_train, y_train, learning_rate=lr, iterations=iters)
-            y_pred = [predict_logreg(x, weights) for x in X_val]
-            acc = accuracy_score(y_val, y_pred)
-            
-            if acc > best_acc:
-                best_acc = acc
-                best_params = (lr, iters)
-                best_weights = weights
-
-    print(f"最佳学习率: {best_params[0]}, 最佳迭代次数: {best_params[1]}, 验证集准确率: {best_acc}")
-    return best_params[0], best_params[1], best_weights
-
-
 if __name__ == "__main__":
-    # 加载训练集和测试集
+    # 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")
 
-    # 使用暴力搜索找到最佳的超参数组合
-    learning_rates = [0.001, 0.01, 0.1]
-    iterations_list = [500, 1000, 1500]
-    best_lr, best_iters, best_weights = brute_force_search(X_train, y_train, X_test, y_test, learning_rates, iterations_list)
+    # 训练对率回归模型
+    model = train_logreg(X_train, y_train, max_iter=1000, C=1.0)
 
-    # 使用 sklearn 进行对比
-    sklearn_model = LogisticRegression(max_iter=best_iters, solver='lbfgs')
-    sklearn_model.fit(X_train, y_train)
-    y_pred_sklearn = sklearn_model.predict(X_test)
-    sklearn_acc = accuracy_score(y_test, y_pred_sklearn)
-    print(f"Sklearn Logistic Regression 准确率: {sklearn_acc}")
-
-    # 测试对率回归预测
-    y_pred_custom = [predict_logreg(x, best_weights) for x in X_test]
-    custom_acc = accuracy_score(y_test, y_pred_custom)
-    print(f"自实现 Logistic Regression 准确率: {custom_acc}")
+    # 测试单个数据
+    y_pred = predict_logreg(X_test[11], model)
+    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")