444

function.py

@@ -101,12 +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
+    # 确保输入样本是二维数组
-    if inX.shape[0] != weights.shape[0] - 1:
+    if inX.ndim == 1:
-        raise ValueError("输入样本的特征数量与训练时不一致")
+        inX = inX.reshape(1, -1)  # 将一维数组转换为二维数组
     
     # 添加偏置项
-    inX = np.insert(inX, 0, 1, axis=1)  # 在特征向量的开头插入偏置项
+    inX = np.hstack([np.ones((inX.shape[0], 1)), inX])  # 在特征向量的开头添加偏置项
     z = np.dot(inX, weights)
     y_pred = 1 / (1 + np.exp(-z))
     return 1 if y_pred > 0.5 else 0