generated from LufsX/Experiment-LogReg
8b26b7173f4e8819c680c7e841b237148adfbcf5
Gitea Actions Experiment Test / Experiment-Actions (push) Has been cancelled
实验二:对率回归与预测病马死亡
实验说明
- 自行在
function.py中编写实现数据加载与预测病马死亡的对率回归算法。
所有成功上传的评测结果均会被记录,但不会公开展示。
评测次数不限,最终评测成绩取最高分。
注意事项
挑战赛与实验为两个不同的仓库,注意不要混淆!
- 实验仓库,开头名称统一为
Experiment- 有截止时间限制!
- 记录成绩但不公开,并且是实验成绩的一部分。
- 最终成绩取最高分。
- 挑战赛仓库,开头名称统一为
Challenge- 无截止时间限制。
- 公开展示排行榜和最近的评测信息。
实验开始前必须在 function.py 中填写自己的学号和姓名!
- 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,不记录成绩。 - 需要在
function.py中实现完整的对率回归算法。 - 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。
- 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。 - 本地调试完成后,需要更新提交代码,否则无法自动评测,没有实验成绩。
- 评测的运行时间受机器性能影响,运行时间仅供参考。
- 若有评测相关问题,请在项目工单处提出,或联系 QQ:
1968647927。
代码提交后会进行自动评测,评测所用的环境如下:
- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
- OS: Ubuntu 22.04.4 LTS
- Python: 3.10.12
- numpy: 2.1.1
实验操作
本次实验自带数据集,数据集在对应的 data 文件夹下。
本次实验强烈建议将代码克隆/下载到本地进行实验调试。
注意 ⚠️
若要完成实验,请确保是在本页面点击「使用模版」来创建仓库,新仓库名称建议与本模版名称 Experiment-LogReg 相同,其余操作参见挑战赛的说明。
若要完成实验,评测时检查创建完成的仓库信息是否正确,本次实验标题为「实验二:对率回归与预测病马死亡」!
其它
若有流程、优化等相关建议和问题,欢迎在评测后端项目工单中提出。
同时欢迎参与评测后端的开发与优化!
Languages
Python
100%