更新 function.py

function.py

@@ -10,8 +10,10 @@ def load_data(filepath):
         for line in f:
             line = line.strip().split()
             if len(line) >= 1 and line[-1].isdigit():
+                # 将特征值中的缺失值（“?”）替换为0，并将其余项转换为浮点数
                 line_data = [0 if x == '?' else float(x) for x in line[:-1]]
                 data.append(line_data)
+                # 保留标签原始的三分类标签
                 labels.append(int(line[-1]))
 
     data = np.array(data)
@@ -20,16 +22,16 @@ def load_data(filepath):
     # 检查特征数量
     num_features = data.shape[1]
 
-    # 特征选择 去掉特征3（索引2）和特征24~28（索引23~26） 确保索引有效
+    # 特征选择：去掉特征3（索引2）和特征24~28（索引23~26），确保索引有效
     indices_to_delete = [2]  # 特征3
     if num_features > 24:  # 确保特征数量足够
         indices_to_delete += list(range(24, 27))  # 特征24到27（索引23到26）
 
-    # 删除特征
+    # 删除指定特征列
     data = np.delete(data, indices_to_delete, axis=1)
 
-    # 将标签二分类化 特征23（索引22）取值2和3合并为0 其余为1
-    target_variable = np.where((labels == 2) | (labels == 3), 0, 1)
+    # 保留三分类标签
+    target_variable = labels  # 不再合并任何标签，保持三分类
 
     return data, target_variable
 
@@ -37,6 +39,7 @@ def load_data(filepath):
 
 
 
+
 def train_svm(X, y, learning_rate=0.01, iterations=1000):
     """
     支持向量机训练函数。