更新 function.py

function.py

@@ -21,24 +21,35 @@ import numpy as np
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
-id = "202210423xxx"
-name = "test_name"
+id = "202210423213"
+name = "熊浩燃"
 
 
 # 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 sigmoid(z):
+    return 1 / (1 + np.exp(-z))
+
+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。
     """
-
+    m, n = X.shape
+    weights = np.zeros(n)
+    for _ in range(iterations):
+        z = np.dot(X, weights)
+        h = sigmoid(z)
+        gradient = np.dot(X.T, (h - y)) / m
+        weights -= learning_rate * gradient
+    return weights
 
 def predict_logreg(inX, weights):
     """
@@ -51,7 +62,8 @@ def predict_logreg(inX, weights):
     Returns:
     - int: 预测的分类标签。
     """
-
+    probability = sigmoid(np.dot(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):
@@ -59,19 +71,33 @@ 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。
+    - filepath (str): 数据文件路径。
 
     Returns:
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-
+    data = []
+    labels = []
+    with open(filepath, 'r') as file:
+        for line in file:
+            line_data = line.strip().split()
+            if '?' not in line_data:  # 忽略缺失值的行
+                data.append([float(x) for x in line_data[:-1]])
+                labels.append(int(float(line_data[-1])))
+    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
+    # 测试数据加载和模型训练预测
     X_train, y_train = load_data("./data/horse-colic.data")
+    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]}")
     # 加载测试集
     X_test, y_test = load_data("./data/horse-colic.test")