heart20003/Experiment-LogReg
1
0
Fork 0
generated from LufsX/Experiment-LogReg
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

更新 function.py
Gitea Actions Experiment Test / Experiment-Actions (push) Successful in 11s
Details

Browse Source
This commit is contained in:
heart20003
2024-10-24 17:07:34 +08:00
parent e96a20408d
commit b27fdd8b93
1 changed files with 4 additions and 7 deletions
Download Patch File Download Diff File Expand all files Collapse all files
function.py
+4 -7
View File
@@ -26,14 +26,15 @@ name = "陈垣豪"
# 这里写自己的代码实现 # 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。 对率回归训练函数。
Args: Args:
- X (numpy array): 特征数据。 - X (numpy array): 特征数据。
- y (numpy array): 标签数据。 - 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，默认值为0.01。
- iterations (int): 迭代次数，默认值为1000。
Returns: Returns:
- numpy array: 训练得到的权重。 - numpy array: 训练得到的权重。
@@ -50,7 +51,6 @@ def train_logreg(X, y, other_params="你自己设置一些其它参数"):
return weights return weights
def predict_logreg(inX, weights): def predict_logreg(inX, weights):
""" """
对率回归预测函数。 对率回归预测函数。
@@ -65,14 +65,12 @@ def predict_logreg(inX, weights):
prob = 1 / (1 + np.exp(-np.dot(inX, weights))) # 直接使用 sigmoid 公式计算概率 prob = 1 / (1 + np.exp(-np.dot(inX, weights))) # 直接使用 sigmoid 公式计算概率
return 1 if prob >= 0.5 else 0 # 根据阈值返回标签 return 1 if prob >= 0.5 else 0 # 根据阈值返回标签
# 这里也写自己的代码实现
def load_data(filepath): 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**。 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: Args:
- directory (str): 数据文件路径。 - filepath (str): 数据文件路径。
Returns: Returns:
- np.array: 特征数据。 - np.array: 特征数据。
@@ -83,7 +81,6 @@ def load_data(filepath):
y = data[:, -1] # 最后一列作为标签 y = data[:, -1] # 最后一列作为标签
return X, y return X, y
if __name__ == "__main__": if __name__ == "__main__":
# 以下代码可用于测试，可自行随意修改 # 以下代码可用于测试，可自行随意修改
# 加载训练集 # 加载训练集