更新 function.py

function.py

@@ -34,8 +34,6 @@ def train_logreg(X, y, learning_rate=0.01, iterations=1000):
     Args:
     - X (numpy array): 特征数据。
     - y (numpy array): 标签数据。
-    - learning_rate (float): 学习率。  
-    - iterations (int): 迭代次数。  
 
     Returns:
     - numpy array: 训练得到的权重。
@@ -64,10 +62,9 @@ def predict_logreg(inX, weights):
     h = sigmoid(z)
     return 1 if h > 0.5 else 0
 
-# 这里也写自己的代码实现
 def load_data(filepath):
     """
-    从文件中加载数据，处理缺失值，并修改指定的特征。  
+    从文件中加载数据，填充缺失值，并进行特征处理。
 
     Args:
     - filepath (str): 数据文件路径。
@@ -83,24 +80,25 @@ def load_data(filepath):
         for line in lines:
             line = line.strip().split()
             if len(line) >= 1 and line[-1].isdigit():
-                # 处理缺失值，用0填充  
-                line_data = [1 if i == 0 else (0 if x == '?' else float(x)) for i, x in enumerate(line[:-1])]  
-                  
-                # 修改特征23（索引为22，因为索引从0开始）  
-                if int(line[22]) in [2, 3]:  
-                    line_data[22] = 0  # 将2和3合并为0（表示死亡）  
-                else:  
-                    line_data[22] = 1  # 1表示存活  
-                  
-                # 去掉特征3（索引为2）和特征24到28（索引为23到28）  
-                line_data = line_data[:2] + line_data[3:23] + line_data[29:]  
-                  
+                # 将缺失值 '?' 填充为 0，并转换为浮点数
+                line_data = [1] + [0 if x == '?' else float(x) for x in line[:-1]]
                 data.append(line_data)
                 labels.append(int(line[-1]))
 
-    return np.array(data), np.array(labels)  
+    data = np.array(data)
+    labels = np.array(labels)
+
+    # 选择特征，合并目标变量
+    target_variable = labels
+    target_variable[(target_variable == 2) | (target_variable == 3)] = 0  # 合并死亡和安乐死为0
+
+    # 去掉特征3和特征24~28
+    data = np.delete(data, [2] + list(range(23, 28)), axis=1)  # 特征3的索引是2，特征24-28的索引是23-27
+
+    return data, target_variable
 
 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")