更新 function.py

function.py

@@ -1,5 +1,6 @@
 import numpy as np
 
+
 """
 挑战说明:
 - 自行编写实现数据加载与预测病马死亡的支持向量机算法。
@@ -27,15 +28,13 @@ name = "程悦"
 
 
 # 支持向量机训练函数
-def train_svm(X, y, learning_rate=0.001, iterations=1000):
+def train_svm(X, y, other_params="你自己设置一些其它参数"):
     """
     支持向量机训练函数。
 
     Args:
     - X (numpy array): 特征数据。
     - y (numpy array): 标签数据。
-    - learning_rate (float): 学习率，用于控制每次迭代更新的步长。
-    - iterations (int): 迭代次数，即训练过程循环的次数。
     - 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:
@@ -44,6 +43,8 @@ def train_svm(X, y, learning_rate=0.001, iterations=1000):
     n_samples, n_features = X.shape
     weights = np.zeros(n_features)
     bias = 0
+    learning_rate = 0.001
+    iterations = 1000
 
     for _ in range(iterations):
         for i in range(n_samples):
@@ -74,42 +75,41 @@ def predict_svm(inX, weights):
 
 # 从文件中加载数据函数
 def load_data(filepath):
-    data, labels = [], []
-    with open(filepath, 'r') as f:
-        for line in f.readlines():
-            line = line.strip().split()
-            if len(line) >= 1 and line[-1].isdigit():
-                line_data = [1] + [0 if x == '?' else float(x) for x in line[:-1]]
-                data.append(line_data)
-                labels.append(int(line[-1]))
+    """
+    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**。
 
-    data = np.array(data)
-    labels = np.array(labels)
+    Args:
+    - directory (str): 数据文件路径。
 
-    target_variable = labels
-    target_variable[(target_variable == 2) | (target_variable == 3)] = 0
+    Returns:
+    - np.array: 特征数据。
+    - np.array: 标 签数据。
+    """
+    data = []
+    labels = []
+    with open(filepath, 'r') as file:
+        lines = file.readlines()
+        for line in lines:
+            line_data = line.strip().split('\t')
+            features = np.array([float(x) for x in line_data[:-1]])
+            label = int(line_data[-1])
+            data.append(features)
+            labels.append(label)
 
-    data = np.delete(data, [2] + list(range(23, 28)), axis=1)
-
-
-    return data, target_variable
+    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
-    X_train, y_train = load_data("./horse-colic.data")
+    X_train, y_train = load_data("./data/horse-colic.data")
 
     # 加载测试集
-    X_test, y_test = load_data("./horse-colic.test")
+    X_test, y_test = load_data("./data/horse-colic.test")
 
     # 训练支持向量机模型
     weights = train_svm(X_train, y_train, learning_rate=0.01, iterations=1000)
 
-    # 预测测试集所有数据
-    y_pred_all = [predict_svm(x, weights) for x in X_test]
-
-    # 计算准确率
-    accuracy = np.mean(y_pred_all == y_test)
-
-    print(f"预测准确率: {accuracy}")
+    # 测试单个数据
+    y_pred = predict_svm(X_test[11], weights)
+    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")