3333

function.py

@@ -28,39 +28,44 @@ name = "廖子豪"
 # 这里写自己的代码实现
 
 def load_data(filepath):
-    try:
-        # 尝试加载数据文件的前几行来检查格式
-        with open(filepath, 'r') as file:
-            for _ in range(5):
-                line = file.readline()
-                print(line.strip())  # 打印前5行数据
+    """
+    从文件中加载数据。
 
+    Args:
+    - filepath (str): 数据文件路径。
+
+    Returns:
+    - np.array: 特征数据。
+    - np.array: 标签数据。
+    """
+    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)
+        # 指定空格作为分隔符
+        data = np.genfromtxt(filepath, delimiter=' ', dtype=float, filling_values=np.nan)
         
         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:
             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。")
         
+        # 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
 
+        # 填充缺失值，这里使用每列的均值来填充
         X = np.nan_to_num(X, nan=np.nanmean(X, axis=0))
 
         return X, y
     except Exception as e:
         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)
     
-# 调用 load_data 函数并打印结果
-X, y = load_data("./data/horse-colic.data")
-print("Features:", X)
-print("Labels:", y)
-    
 def train_logreg(X, y, learning_rate=0.01, iterations=1000):
     """
     对率回归训练函数。