3

function.py

@@ -101,8 +101,12 @@ def predict_logreg(inX, weights):
     Returns:
     - int: 预测的分类标签。
     """
+    # 确保输入样本的特征数量与训练时一致
+    if inX.shape[0] != weights.shape[0] - 1:
+        raise ValueError("输入样本的特征数量与训练时不一致")
+    
     # 添加偏置项
-    inX = np.c_[np.ones((1, 1)), inX]
+    inX = np.insert(inX, 0, 1, axis=1)  # 在特征向量的开头插入偏置项
     z = np.dot(inX, weights)
     y_pred = 1 / (1 + np.exp(-z))
     return 1 if y_pred > 0.5 else 0