更新 function.py

function.py

@@ -1,116 +1,60 @@
-# function.py
 import numpy as np
-from sklearn.preprocessing import PolynomialFeatures
-from sklearn.feature_selection import SelectFromModel
 from sklearn.linear_model import LogisticRegression
+from sklearn.metrics import accuracy_score
 
-"""
+id = "202210423xxx"  # 请填写学号
-实验说明:
+name = "test_name"   # 请填写姓名
-- 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 = "202210423xxx"
-name = "test_name"
 
 def sigmoid(z):
+    """计算Sigmoid函数值"""
     return 1 / (1 + np.exp(-z))
 
-def standardize(X):
-    """ 数据标准化：均值为0，标准差为1 """
-    return (X - np.mean(X, axis=0)) / (np.std(X, axis=0) + 1e-8)  # 避免除零
 
-def add_polynomial_features(X, degree=2):
+def train_logreg(X, y, learning_rate=0.01, iterations=1000, initial_weights=None):
-    """ 增加多项式特征 """
-    poly = PolynomialFeatures(degree)
-    return poly.fit_transform(X)
-
-def select_features(X, y, penalty='l1', C=1.0):
     """
-    使用L1正则化选择重要特征。
+    对率回归训练函数，支持暴力搜索超参数。
-    """
-    model = LogisticRegression(penalty=penalty, solver='liblinear', C=C)
-    model.fit(X, y)
-    selector = SelectFromModel(model, prefit=True)
-    X_selected = selector.transform(X)
-    return X_selected, selector
-
-def train_logreg(X, y, learning_rate=0.0001, iterations=5000, batch_size=32, lambda_=0.1, degree=2):
-    """
-    对率回归训练函数，包含批量梯度下降和L1正则化，并增加多项式特征。
 
     Args:
     - X (numpy array): 特征数据。
     - y (numpy array): 标签数据。
-    - learning_rate (float): 学习率。
+    - learning_rate (float): 学习率，默认为0.01。
-    - iterations (int): 迭代次数。
+    - iterations (int): 梯度下降迭代次数，默认为1000。
-    - batch_size (int): 每次更新的样本数。
+    - initial_weights (numpy array): 预设初始权重，可选。
-    - lambda_ (float): L2正则化项的系数。
-    - degree (int): 多项式特征的次数。
 
     Returns:
     - numpy array: 训练得到的权重。
-    - selector: 特征选择器，用于预测时筛选相同特征。
     """
-    X = standardize(X)  # 标准化数据
+    # 初始化权重
-    X = add_polynomial_features(X, degree=degree)  # 增加多项式特征
+    weights = initial_weights if initial_weights is not None else np.zeros(X.shape[1])
-    X, selector = select_features(X, y)  # 特征选择
-    m, n = X.shape
-    weights = np.random.rand(n) * 0.01  # 初始化权重为小的随机数
     
-    for _ in range(iterations):
+    # 梯度下降
-        # 确保 batch_size 不超过 m
+    for i in range(iterations):
-        effective_batch_size = min(batch_size, m)
+        predictions = sigmoid(np.dot(X, weights))
-        
+        errors = y - predictions
-        # 随机选择一个小批量
+        weights += learning_rate * np.dot(X.T, errors)
-        indices = np.random.choice(m, effective_batch_size, replace=False)
-        X_batch = X[indices]
-        y_batch = y[indices]
-        
-        # 计算预测和梯度
-        z = np.dot(X_batch, weights)
-        h = sigmoid(z)
-        gradient = np.dot(X_batch.T, (h - y_batch)) / effective_batch_size + lambda_ * weights
-        weights -= learning_rate * gradient
     
-    return weights, selector
+    return weights
 
-def predict_logreg(inX, weights, selector=None, degree=2):
+
+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。
-    - selector (optional): 特征选择器，用于筛选特征。
-    - degree (int): 多项式特征的次数。
 
     Returns:
     - int: 预测的分类标签。
     """
-    inX = standardize(inX.reshape(1, -1))  # 标准化输入
-    inX = add_polynomial_features(inX, degree=degree)  # 增加多项式特征
-    if selector is not None:
-        inX = selector.transform(inX)  # 应用特征选择，确保预测时与训练时使用相同的特征
     probability = sigmoid(np.dot(inX, weights))
     return 1 if probability >= 0.5 else 0
 
+
 def load_data(filepath):
     """
-    从文件中加载数据，并使用均值填充缺失值。
+    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:
     - filepath (str): 数据文件路径。
@@ -119,35 +63,62 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    data = []
+    data = np.genfromtxt(filepath, delimiter=",", dtype=float)
-    labels = []
+    X = np.nan_to_num(data[:, :-1], nan=np.nanmean(data[:, :-1]))  # 用均值填充缺失值
-    with open(filepath, 'r') as file:
+    y = data[:, -1]
-        for line in file:
+    return X, y
-            line_data = line.strip().split()
-            # 将缺失值替换为 np.nan
-            line_data = [float(x) if x != '?' else np.nan for x in line_data]
-            data.append(line_data[:-1])
-            labels.append(int(line_data[-1]))
 
-    data = np.array(data)
-    labels = np.array(labels)
 
-    # 使用列均值填充缺失值
+def brute_force_search(X_train, y_train, X_val, y_val, learning_rates, iterations_list):
-    col_mean = np.nanmean(data, axis=0)
+    """
-    # 找到所有缺失值，并用列均值替换
+    通过暴力搜索选择最佳的学习率和迭代次数。
-    indices = np.where(np.isnan(data))
+
-    data[indices] = np.take(col_mean, indices[1])
+    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
 
-    return data, labels
 
 if __name__ == "__main__":
-    # 测试数据加载和模型训练预测
+    # 加载训练集和测试集
     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
+    # 使用暴力搜索找到最佳的超参数组合
-    weights, selector = train_logreg(X_train, y_train, learning_rate=0.0001, iterations=5000, batch_size=32, lambda_=0.1, degree=2)
+    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)
 
-    # 测试单个数据
+    # 使用 sklearn 进行对比
-    y_pred = predict_logreg(X_test[11], weights, selector=selector, degree=2)
+    sklearn_model = LogisticRegression(max_iter=best_iters, solver='lbfgs')
-    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")
+    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}")