更新 function.py

function.py

@@ -1,37 +1,24 @@
-# function.py
 import numpy as np
 
 """
 实验说明:
 - 自行编写实现数据加载与预测病马死亡的对率回归算法。  
-
 注意事项:
 - 在 function.py 中实现对率回归算法。
 - 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。
 - 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:
-- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
-- OS: Ubuntu 22.04.4 LTS
-- Python: 3.10.12
-- numpy: 2.1.1
 """
 
-
-"""
-请在这里填写学号和姓名，不填写即成绩无效。
-"""
+# 学号和姓名
 id = "202210423130"
 name = "董秋"
 
-import numpy as np
-from sklearn.preprocessing import MinMaxScaler
-from sklearn.model_selection import train_test_split
-
 def sigmoid(z):
+    """计算sigmoid函数"""
     return 1.0 / (1 + np.exp(-z))
 
 def compute_gradient(X_batch, y_batch, weights, lambda_reg):
+    """计算梯度，包含L2正则化"""
     z = np.dot(X_batch, weights)
     h = sigmoid(z)
     gradient = np.dot(X_batch.T, (h - y_batch)) / len(y_batch)
@@ -39,11 +26,22 @@ def compute_gradient(X_batch, y_batch, weights, lambda_reg):
     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。
+
+    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。
+    - batch_size (int): 批量大小。
+    - lambda_reg (float): L2正则化参数。
+
+    Returns:
+    - numpy array: 训练得到的权重。
+    """
     m, n = X.shape
     weights = np.random.randn(n) * np.sqrt(2. / n)  # He初始化
-    best_weights = weights.copy()
-    best_accuracy = 0
-
     for _ in range(iterations):
         indices = np.random.permutation(m)
         X_shuffled = X[indices]
@@ -55,24 +53,34 @@ def train_logreg(X, y, learning_rate=0.001, iterations=10000, batch_size=64, lam
             gradient = compute_gradient(X_batch, y_batch, weights, lambda_reg)
             weights -= learning_rate * gradient
             
-        # 计算训练集准确率
-        train_accuracy = accuracy(X, y, weights)
-        if train_accuracy > best_accuracy:
-            best_accuracy = train_accuracy
-            best_weights = weights.copy()
+    return weights
 
-        # 动态调整学习率
-        if _ % 100 == 0 and train_accuracy > 0.95:  # 达到高准确率时减小学习率
-            learning_rate *= 0.9
+def predict_logreg(inX, weights):
+    """
+    对率回归预测函数。
 
-    return best_weights
+    Args:
+    - inX (numpy array): 输入待分类的样本。
+    - weights (numpy array): 训练得到的权重。
 
-def predict_logreg(X, weights):
-    z = np.dot(X, weights)
+    Returns:
+    - int: 预测的分类标签。
+    """
+    z = np.dot(inX, weights)
     h = sigmoid(z)
-    return np.where(h >= 0.5, 1, 0)
+    return 1 if h >= 0.5 else 0
 
 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**。
+
+    Args:
+    - filepath (str): 数据文件路径。
+
+    Returns:
+    - np.array: 特征数据。
+    - np.array: 标签数据。
+    """
     data, labels = [], []
     with open(filepath, 'r') as f:
         for line in f:
@@ -82,41 +90,30 @@ def load_data(filepath):
                 data.append(line_data)
                 labels.append(int(line[-1]))
 
+    # 将数据转换为numpy数组
     data = np.array(data)
     labels = np.array(labels)
     
-    # 将标签二分类化，2和3为0，其余为1
+    # 特征选择：去掉特征3、特征24~28
+    # 特征3的索引是2，特征24~28的索引是23到27
+    data = np.delete(data, [2] + list(range(23, 28)), axis=1)
+    
+    # 将标签二分类化，2（死亡）和3（安乐死）合并为0，其余为1
     target_variable = np.where((labels == 2) | (labels == 3), 0, 1)
 
     return data, target_variable
 
-def accuracy(X, y, weights):
-    predictions = predict_logreg(X, weights)
-    return np.mean(predictions == y)
-
 if __name__ == "__main__":
-    # 加载数据
-    X, y = load_data("./data/horse-colic.data")
-    
-    # 拆分训练集和验证集
-    X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=42)
-
-    # 数据归一化
-    scaler = MinMaxScaler()
-    X_train = scaler.fit_transform(X_train)
-    X_val = scaler.transform(X_val)
-
-    # 训练模型
-    final_weights = train_logreg(X_train, y_train, learning_rate=0.001, iterations=10000, batch_size=64, lambda_reg=0.1)
-
-    # 验证模型
-    val_accuracy = accuracy(X_val, y_val, final_weights)
-    print(f"验证集的准确率: {val_accuracy:.4f}")
+    # 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")
 
     # 加载测试集
     X_test, y_test = load_data("./data/horse-colic.test")
-    X_test = scaler.transform(X_test)
 
-    # 测试模型
-    final_test_accuracy = accuracy(X_test, y_test, final_weights)
-    print(f"最终测试集的准确率: {final_test_accuracy:.4f}")
+    # 训练对率回归模型
+    weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000)
+
+    # 测试单个数据
+    y_pred = predict_logreg(X_test[11], weights)
+    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")