更新 function.py

function.py

@@ -32,42 +32,65 @@ from sklearn.linear_model import LogisticRegression
 from sklearn.model_selection import train_test_split  
 from sklearn.metrics import accuracy_score  
   
-def load_data():  
+# 加载数据  
-    # 下载并加载病马数据集  
+def load_data(train_url, test_url):  
-    url = "http://archive.ics.uci.edu/ml/machine-learning-databases/horse-colic/horse-colic.data"  
+    # 由于直接下载数据并读取可能涉及网络连接，这里假设数据已下载并保存在本地路径  
-    columns = [  
+    # 用户需根据实际情况修改路径或实现数据下载逻辑  
-        "outcome", "surgery", "age", "hospital_num", "rectal_temp", # 部分列名示例，其余列名需根据数据集实际内容补充  
+    train_data = pd.read_csv(train_url, sep='\s+', header=None, na_values='?')  
-        # ... 其他特征列名  
+    test_data = pd.read_csv(test_url, sep='\s+', header=None, na_values='?')  
-    ] + ["unused_" + str(i) for i in range(14, 29)]  # 假设最后15列为未使用特征  
+    return train_data, test_data  
-    data = pd.read_csv(url, header=None, names=columns, na_values='?')  
   
-    # 处理缺失值，用0填充  
+# 数据预处理  
+def preprocess_data(data):  
+    # 用0填充缺失值  
     data.fillna(0, inplace=True)  
       
-    # 选择特征和目标变量  
+    # 选择特征23作为目标变量，将其取值2和3合并为一个值0（死亡）  
-    X = data.drop(columns=["outcome", "age", "unused_" + str(i) for i in range(14, 29)])  
+    data[22] = data[22].apply(lambda x: 0 if x in [2, 3] else 1)  
-    y = (data["outcome"] == 2) | (data["outcome"] == 3)  # 将2和3合并为0（死亡）  
-    y = y.astype(int)  
       
-    # 划分训练集和测试集（这里简单划分为70%训练和30%测试，实际比例可根据需要调整）  
+    # 去掉特征3、特征24~28  
-    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)  
+    data = data.drop([2, 23, 24, 25, 26, 27, 28], axis=1)  
       
-    return X_train, X_test, y_train, y_test  
+    # 特征和标签分离  
+    X = data.iloc[:, :-1]  # 所有行，除了最后一列（目标变量）  
+    y = data.iloc[:, -1]   # 所有行，最后一列（目标变量）  
       
+    return X, y  
+  
+# 训练对率回归模型  
 def train_logreg(X_train, y_train):  
-    # 训练对率回归模型  
     model = LogisticRegression(max_iter=10000)  # 设置默认迭代次数以避免警告  
     model.fit(X_train, y_train)  
     return model  
   
+# 使用对率回归模型进行预测  
 def predict_logreg(model, X_test):  
-    # 使用模型进行预测  
     y_pred = model.predict(X_test)  
     return y_pred  
   
-# 示例用法（注意：这里的示例用法不会直接运行，因为需要加载数据集）  
+# 主函数（用于演示整个流程）  
-if __name__ == "__main__":  
+def main():  
-    X_train, X_test, y_train, y_test = load_data()  
+    # 数据集URL（这里使用本地路径，实际使用时需替换为网络URL或下载后的路径）  
+    train_url = 'path_to_train_data.csv'  # 训练数据路径  
+    test_url = 'path_to_test_data.csv'    # 测试数据路径  
       
+    # 加载数据  
+    train_data, test_data = load_data(train_url, test_url)  
+      
+    # 数据预处理  
+    X_train, y_train = preprocess_data(train_data)  
+    X_test, y_test = preprocess_data(test_data)  
+      
+    # 划分训练集和验证集（如果需要的话，这里仅作为示例）  
+    # X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.2, random_state=42)  
+      
+    # 训练对率回归模型  
+    model = train_logreg(X_train, y_train)  
+      
+    # 进行预测  
+    y_pred = predict_logreg(model, X_test)  
+      
+    # 计算准确率  
+    accuracy = accuracy_score(y_test, y_pred)