# 挑战二：支持向量机与预测病马死亡

## 挑战说明

- 自行在 [`function.py`](./function.py) 中编写实现数据加载与预测病马死亡的支持向量机算法。

成功上传的评测结果将在 [rank.intcplab.cn](https://rank.intcplab.cn/) 展示。

## 注意事项

挑战赛与实验为两个**不同**的仓库，注意不要混淆！

- 实验仓库，开头名称统一为 `Experiment`
  - **有截止时间限制**！
  - 记录成绩但不公开，并且**是实验成绩的一部分**。
  - 最终成绩取最高分。
- 挑战赛仓库，开头名称统一为 `Challenge`
  - 无截止时间限制。
  - 公开展示排行榜和最近的评测信息。

---

挑战开始前必须在 [`function.py`](./function.py#L28-L29) 中填写自己的学号和姓名！

- 可以自行导入其他库，需要在 [`requirements.txt`](./requirements.txt) 添加依赖，若未在 [`requirements.txt`](./requirements.txt) 中添加使用到的依赖，则无法自动评测，**不记录成绩**。
- 若依赖有问题，评测步骤「安装依赖」会报错，请检查 [`requirements.txt`](./requirements.txt) 文件内容。
- 需要在 [`function.py`](./function.py) 中实现完整的支持向量机算法。
- 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。
- 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。
- 本地调试完成后，**需要更新提交代码**，否则无法自动评测。
- 评测的运行时间受机器性能影响，运行时间仅供参考。
- 若有评测相关问题，请在[项目工单](https://git.intcplab.cn/LufsX/Evaluation-Backend/issues)处提出，或联系 QQ: `1968647927`。

代码提交后会进行自动评测，评测所用的环境如下：

- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
- OS: Ubuntu 22.04.4 LTS
- Python: 3.10.12
- numpy: 2.1.1

## 挑战操作

本次挑战自带数据集，数据集在对应的 `data` 文件夹下，已删除部分无法使用的数据集（第二十三行为 `?` 的数据），**无需额外处理**。

本次挑战强烈建议将代码克隆/下载到本地进行挑战调试。

---

注意 ⚠️

若要完成挑战，请确保是在**本页面**点击「使用模版」来创建仓库，新仓库名称建议与本模版名称 `Challenge-SVM` 相同，其余操作参见[挑战的说明](https://git.intcplab.cn/LufsX/Challenge-kNN#挑战操作)。

若要完成挑战，评测前检查创建完成的**仓库信息**是否正确，本次挑战标题为「**挑战二：支持向量机与预测病马死亡**」！

## 其它

若有流程、优化等相关建议和问题，欢迎在[评测后端项目工单](https://git.intcplab.cn/LufsX/Evaluation-Backend/issues)中提出。

同时欢迎参与[评测后端](https://git.intcplab.cn/LufsX/Evaluation-Backend)的开发与优化！