更新 function.py

function.py

@@ -27,15 +27,15 @@ name = "程悦"
 def sigmoid(z):  
     return 1.0 / (1 + np.exp(-z))  
   
-# 这里写自己的代码实现
-def train_logreg(X, y, learning_rate=0.01, iterations=1000, batch_size=256):
+def train_logreg(X, y, learning_rate=0.01, iterations=1000):  
     """  
     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**。
+    - learning_rate (float): 学习率。  
+    - iterations (int): 迭代次数。  
   
     Returns:  
     - numpy array: 训练得到的权重。  
@@ -67,10 +67,10 @@ def predict_logreg(inX, weights):
 # 这里也写自己的代码实现
 def load_data(filepath):  
     """  
-    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**。
+    从文件中加载数据，处理缺失值，并修改指定的特征。  
   
     Args:  
-    - directory (str): 数据文件路径。
+    - filepath (str): 数据文件路径。  
   
     Returns:  
     - np.array: 特征数据。  
@@ -82,19 +82,25 @@ def load_data(filepath):
         lines = f.readlines()  
         for line in lines:  
             line = line.strip().split()  
-            if '?' not in line:
-                line_data = [1] + [0 if x == '?' else float(x) for x in [line[i] for i in range(len(line) - 1) if i not in [2, 23, 24, 25, 26, 27]]]
-                target = int(line[22])
-                if target in [2, 3]:
-                    target = 0
+            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:  
-                    target = 1
+                    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:]  
+                  
                 data.append(line_data)  
-                labels.append(target)
+                labels.append(int(line[-1]))  
+      
     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("./data/horse-colic.data")