更新 function.py

function.py

@@ -1,81 +1,130 @@
-# function.py
+
 import numpy as np
+import os
+from sklearn.preprocessing import StandardScaler  # 导入标准化库
 
-"""
+# 学号和姓名
-实验说明:
+id = "202210423122"
-- 自行编写实现数据加载与预测病马死亡的对率回归算法。
+name = "焦国波"
 
-注意事项:
+def sigmoid(z):
-- 在 function.py 中实现对率回归算法。
+    """计算sigmoid函数"""
-- 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。
+    return 1.0 / (1 + np.exp(-z))
-- 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:
+def compute_gradient(X_batch, y_batch, weights, lambda_reg):
-- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
+    """计算梯度，包含L2正则化"""
-- OS: Ubuntu 22.04.4 LTS
+    z = np.dot(X_batch, weights)
-- Python: 3.10.12
+    h = sigmoid(z)
-- numpy: 2.1.1
+    gradient = np.dot(X_batch.T, (h - y_batch)) / len(y_batch)
-"""
+    gradient += (lambda_reg / len(y_batch)) * weights  # L2正则化
+    return gradient
 
+def train_logreg(X, y, learning_rate=0.001, iterations=10000, batch_size=64, lambda_reg=0.1):
+    """对率回归训练函数。"""
+    m, n = X.shape
+    weights = np.random.randn(n) * np.sqrt(2. / n)  # He初始化
+    print("开始训练对率回归模型")
     
-"""
+    for i in range(iterations):
-请在这里填写学号和姓名，不填写即成绩无效。
+        indices = np.random.permutation(m)
-姓名请直接**填写中文**
+        X_shuffled = X[indices]
-例如: name = "张三"
+        y_shuffled = y[indices]
-"""
-id = "202210423xxx"
-name = "test_name"
 
+        for j in range(0, m, batch_size):
+            X_batch = X_shuffled[j:j + batch_size]
+            y_batch = y_shuffled[j:j + batch_size]
+            gradient = compute_gradient(X_batch, y_batch, weights, lambda_reg)
+            weights -= learning_rate * gradient
             
-# 这里写自己的代码实现
+        if i % 1000 == 0:  # 每1000次迭代打印一次信息
-def train_logreg(X, y, other_params="你自己设置一些其它参数"):
+            print(f"迭代 {i}: 当前权重形状: {weights.shape}")
-    """
-    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**。
-
-    Returns:
-    - numpy array: 训练得到的权重。
-    """
 
+    return weights
 
 def predict_logreg(inX, weights):
-    """
+    """对率回归预测函数。"""
-    对率回归预测函数。
+    z = np.dot(inX, weights)
+    h = sigmoid(z)
+    return 1 if h >= 0.5 else 0
 
-    Args:
-    - inX (numpy array): 输入待分类的样本。
-    - weights (numpy array): 训练得到的权重。
-
-    Returns:
-    - int: 预测的分类标签。
-    """
-
-
-# 这里也写自己的代码实现
 def load_data(filepath):
-    """
+    """从文件中加载数据。"""
-    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**。
+    if not os.path.exists(filepath):
+        raise FileNotFoundError(f"文件 {filepath} 不存在！")
     
-    Args:
+    data, labels = [], []
-    - directory (str): 数据文件路径。
+    print(f"加载数据中: {filepath}")
+    with open(filepath, 'r') as f:
+        for line in f:
+            line = line.strip().split()
+            if len(line) >= 1 and line[-1].isdigit():
+                line_data = [0 if x == '?' else float(x) for x in line[:-1]]
+                data.append(line_data)
+                labels.append(int(line[-1]))
 
-    Returns:
+    data = np.array(data)
-    - np.array: 特征数据。
+    labels = np.array(labels)
-    - np.array: 标签数据。
-    """
     
+    # 去掉特定特征
+    indices_to_remove = [2]  # 去掉特征3（索引2）
+    if data.shape[1] > 23:
+        indices_to_remove.extend(range(23, min(28, data.shape[1])))
+
+    data = np.delete(data, indices_to_remove, axis=1)
+    target_variable = np.where((labels == 2) | (labels == 3), 0, 1)
+
+    print(f"数据加载成功，数据形状: {data.shape}, 标签形状: {target_variable.shape}")
+    return data, target_variable
+
+def k_fold_cross_validation(X, y, k=5, learning_rate=0.001, iterations=10000, batch_size=64, lambda_reg=0.1):
+    """K折交叉验证。"""
+    m = X.shape[0]
+    fold_size = m // k
+    accuracies = []
+
+    for i in range(k):
+        val_start = i * fold_size
+        val_end = (i + 1) * fold_size if i != k - 1 else m
+        
+        X_val = X[val_start:val_end]
+        y_val = y[val_start:val_end]
+        X_train = np.concatenate((X[:val_start], X[val_end:]))
+        y_train = np.concatenate((y[:val_start], y[val_end:]))
+
+        weights = train_logreg(X_train, y_train, learning_rate, iterations, batch_size, lambda_reg)
+        
+        val_accuracy = np.mean([predict_logreg(X_val[j], weights) == y_val[j] for j in range(len(y_val))])
+        accuracies.append(val_accuracy)
+
+        print(f"Fold {i + 1}/{k} - 验证准确率: {val_accuracy:.4f}")
+
+    return np.mean(accuracies)
 
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
     # 加载训练集
-    X_train, y_train = load_data("./data/horse-colic.data")
+    try:
+        X_train, y_train = load_data("./data/horse-colic.data")
+    except FileNotFoundError as e:
+        print(e)
+        exit()
+
+    # 数据归一化处理
+    scaler = StandardScaler()
+    X_train = scaler.fit_transform(X_train)  # 使用训练集进行标准化
+
+    # k折交叉验证
+    avg_accuracy = k_fold_cross_validation(X_train, y_train, k=5, learning_rate=0.01, iterations=1000)
+    print(f"K折交叉验证的平均准确率: {avg_accuracy:.4f}")
 
     # 加载测试集
-    X_test, y_test = load_data("./data/horse-colic.test")
+    try:
+        X_test, y_test = load_data("./data/horse-colic.test")
+    except FileNotFoundError as e:
+        print(e)
+        exit()
+
+    # 测试集也需要进行相同的归一化
+    X_test = scaler.transform(X_test)  # 使用相同的Scaler进行测试集的标准化
 
     # 训练对率回归模型
     weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000)