From 028d0b03f236bbaa7aa166d1dae6b4b6f7a7bd4b Mon Sep 17 00:00:00 2001
From: lzh <2233673261@qq.com>
Date: Sat, 2 Nov 2024 13:49:10 +0800
Subject: [PATCH] 222

---
 function.py | 11 +++++++----
 1 file changed, 7 insertions(+), 4 deletions(-)

diff --git a/function.py b/function.py
index 4de06f4..f04535b 100644
--- a/function.py
+++ b/function.py
@@ -40,17 +40,19 @@ def load_data(filepath):
     """
     try:
         # 使用 numpy 的 genfromtxt 函数加载数据，自动处理缺失值
-        data = np.genfromtxt(filepath, delimiter=',', dtype=float, filling_values=np.nan)
+        data = np.genfromtxt(filepath, delimiter=',', dtype=float, filling_values=np.nan, skip_header=1)
+        
+        print(f"Loaded data shape: {data.shape}")  # 调试打印数据形状
         
         # 检查数据是否为一维数组
         if data.ndim == 1:
-            # 如果是一维数组，尝试将其转换为二维数组
-            data = data.reshape(-1, 1)
+            raise ValueError("数据加载后为一维数组，预期为二维数组。请检查数据文件格式。")
         
-        # 分离特征和标签
+        # 检查数据文件中是否有足够的列
         if data.shape[1] < 2:
             raise ValueError("数据文件中没有足够的列。每行至少需要包含一个特征和一个标签。")
         
+        # 分离特征和标签
         X = data[:, :-1]  # 所有行，除了最后一列
         y = data[:, -1]   # 所有行，只有最后一列
 
@@ -62,6 +64,7 @@ def load_data(filepath):
         print(f"Error loading data: {e}")
         # 返回空数组而不是None，以避免后续代码中出现错误
         return np.empty((0, 0)), np.empty(0)
+    
 def train_logreg(X, y, learning_rate=0.01, iterations=1000):
     """
     对率回归训练函数。