更新 function.py

function.py

@@ -72,33 +72,34 @@ 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**。
-
-    Args:
-    - directory (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:
-            # 替换缺失值标识符，并将其分割为列表
+            values = line.strip().replace('?', '0').split()
-            values = line.strip().replace('?', '0').split()  # 这里将 ? 替换为 0
-            # 转换为 float，注意这里需要处理转换异常
             try:
-                values = [float(v) for v in values]  # 转换为 float
+                values = [float(v) for v in values]
-                data.append(values[:-1])  # 特征数据
+                data.append(values[:-1])
-                labels.append(values[-1])   # 标签数据
+                labels.append(values[-1])
             except ValueError:
-                continue  # 跳过无法转换的行
+                continue
     
     return np.array(data), np.array(labels)
 
+def preprocess_data(filepath):
+    # 加载数据
+    X, y = load_data(filepath)
+    
+    # 特征缩放
+    scaler = StandardScaler()
+    X_scaled = scaler.fit_transform(X)
+    
+    # 拆分数据集
+    X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)
+    
+    return X_train, X_test, y_train, y_test
+
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改
     # 加载训练集