From c58baa453deff23196c62c7a059f7bc9d2b8c77d Mon Sep 17 00:00:00 2001
From: hao <19382120447@163.com>
Date: Thu, 31 Oct 2024 16:58:39 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 34 ++++++++++++++++++++++------------
 1 file changed, 22 insertions(+), 12 deletions(-)

diff --git a/function.py b/function.py
index 409b1ac..8a174ec 100644
--- a/function.py
+++ b/function.py
@@ -1,4 +1,3 @@
-# function.py
 import numpy as np
 
 """
@@ -17,28 +16,34 @@ import numpy as np
 - numpy: 2.1.1
 """
 
-
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
-id = "202210423xxx"
-name = "test_name"
-
+id = "202210423228"
+name = "黎世浩"
 
 # 这里写自己的代码实现
-def train_logreg(X, y, other_params="你自己设置一些其它参数"):
+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，默认为0.01。
+    - iterations (int): 迭代次数，默认为1000。
 
     Returns:
     - numpy array: 训练得到的权重。
     """
-
+    m, n = X.shape
+    weights = np.zeros(n)
+    for i in range(iterations):
+        linear_model = np.dot(X, weights)
+        y_predicted = 1 / (1 + np.exp(-linear_model))
+        gradient = np.dot(X.T, (y_predicted - y)) / m
+        weights -= learning_rate * gradient
+    return weights
 
 def predict_logreg(inX, weights):
     """
@@ -51,7 +56,9 @@ def predict_logreg(inX, weights):
     Returns:
     - int: 预测的分类标签。
     """
-
+    linear_model = np.dot(inX, weights)
+    y_predicted = 1 / (1 + np.exp(-linear_model))
+    return 1 if y_predicted > 0.5 else 0
 
 # 这里也写自己的代码实现
 def load_data(filepath):
@@ -59,13 +66,16 @@ 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。
+    - filepath (str): 数据文件路径。
 
     Returns:
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-
+    data = np.loadtxt(filepath, delimiter=',', dtype=float)
+    X = data[:, :-1]
+    y = (data[:, -1] > 0.5).astype(int)  # Assuming the last column is the label
+    return X, y
 
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改
@@ -80,4 +90,4 @@ if __name__ == "__main__":
 
     # 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]}")
+    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")
\ No newline at end of file