From e2435a33132405e14c496a64ad6efff7f3a99be7 Mon Sep 17 00:00:00 2001
From: hao <19382120447@163.com>
Date: Sat, 2 Nov 2024 17:10:06 +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 | 10 +++++++---
 1 file changed, 7 insertions(+), 3 deletions(-)

diff --git a/function.py b/function.py
index 3dca7e5..0a6eb28 100644
--- a/function.py
+++ b/function.py
@@ -26,7 +26,7 @@ name = "黎世浩"
 
 
 # 这里写自己的代码实现
-def train_logreg(X, y, random_state="114514"):
+def train_logreg(X, y, random_state=114514):
     """
     对率回归训练函数。
 
@@ -38,6 +38,9 @@ def train_logreg(X, y, random_state="114514"):
     Returns:
     - numpy array: 训练得到的权重。
     """
+    weights = LogisticRegression(solver="liblinear", random_state=random_state)
+    weights.fit(X, y)
+    return weights
 
 
 def predict_logreg(inX, weights):
@@ -51,6 +54,7 @@ def predict_logreg(inX, weights):
     Returns:
     - int: 预测的分类标签。
     """
+    return int(weights.predict([inX])[0])
 
 
 # 这里也写自己的代码实现
@@ -59,13 +63,13 @@ 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。
+    - directory (str): 数据文件路径。
 
     Returns:
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    # 使用 np.genfromtxt 加载数据并处理缺失值 '?' 为 0
+    # 使用 np.genfromtxt 加载数据，处理缺失值 '?' 为 0
     data = np.genfromtxt(filepath, delimiter=" ", missing_values="?", filling_values=-1)
 
     # 分离特征标签