更新 function.py

function.py

@@ -21,12 +21,14 @@ import numpy as np
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
-id = "202210423xxx"
+id = "202210423108"
-name = "test_name"
+name = "雷武"
 
 
 # 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 sigmoid(z):
+    return 1 / (1 + np.exp(-z))
+def train_logreg(X, y, learning_rate=0.01, iterations=1000):
     """
     对率回归训练函数。
 
@@ -38,9 +40,21 @@ def train_logreg(X, y, other_params="你自己设置一些其它参数"):
     Returns:
     - numpy array: 训练得到的权重。
     """
+    m, n = X.shape
+    weights = np.zeros(n)
+    bias = 0
+     for i in range(iterations):
+        linear_model = np.dot(X, weights) + bias
+        y_pred = sigmoid(linear_model)
 
+        dw = (1 / m) * np.dot(X.T, (y_pred - y))
+        db = (1 / m) * np.sum(y_pred - y)
 
-def predict_logreg(inX, weights):
+        weights -= learning_rate * dw
+        bias -= learning_rate * db
+    return weights, bias
+
+def predict_logreg(inX, weights, bias):
     """
     对率回归预测函数。
 
@@ -51,7 +65,9 @@ def predict_logreg(inX, weights):
     Returns:
     - int: 预测的分类标签。
     """
-
+    linear_model = np.dot(inX, weights) + bias
+    y_pred = sigmoid(linear_model)
+    return 1 if y_pred >= 0.5 else 0
 
 # 这里也写自己的代码实现
 def load_data(filepath):
@@ -65,7 +81,10 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-
+    data = np.loadtxt(filepath, delimiter=',')
+    X = data[:, :-1]
+    y = data[:, -1].astype(int)
+    return X, y
 
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改