From f702a594857899b51d9d3c71ebf02e14be01415e Mon Sep 17 00:00:00 2001
From: meixiaodong <3081674342@qq.com>
Date: Sun, 3 Nov 2024 22:31:42 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 80 +++--------------------------------------------------
 1 file changed, 4 insertions(+), 76 deletions(-)

diff --git a/function.py b/function.py
index fc327e9..7da91dd 100644
--- a/function.py
+++ b/function.py
@@ -1,47 +1,5 @@
 # function.py
 import numpy as np
-
-"""
-实验说明:
-- 自行编写实现数据加载与预测病马死亡的对率回归算法。
-
-注意事项:
-- 在 function.py 中实现对率回归算法。
-- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若未在 requirements.txt 中添加使用到的依赖，则无法自动评测，成绩为零。
-- 自动评测脚本仅会加载 train_logreg、predict_logreg 和 load_data 函数，请勿修改函数名。
-
-测评环境:
-- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
-- OS: Ubuntu 22.04.4 LTS
-- Python: 3.10.12
-- numpy: 2.1.1
-"""
-
-
-"""
-请在这里填写学号和姓名，不填写即成绩无效。
-姓名请直接**填写中文**
-例如: name = "张三"
-"""
-id = "202210423211"
-name = "梅晓东"
-
-
-# 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"):
-    """
-    对率回归训练函数。
-
-    Args:
-    - X (numpy array): 特征数据。
-    - y (numpy array): 标签数据。
-    - other_params (str): 其它参数，可选设置。若需设置其它参数，必须设置其默认值，否则将**无法通过**自动评测，**成绩为零**。
-
-    Returns:
-    - numpy array: 训练得到的权重。
-    """
-# function.py
-import numpy as np
 import os
 from sklearn.preprocessing import StandardScaler
 
@@ -67,8 +25,8 @@ from sklearn.preprocessing import StandardScaler
 姓名请直接**填写中文**
 例如: name = "张三"
 """
-id = "202210423110"
-name = "罗浩"
+id = "202210423211"
+name = "梅晓东"
 
 
 import numpy as np
@@ -121,7 +79,8 @@ def load_data(filepath):
 
     data, labels = [], []
     print(f"加载数据中: {filepath}")  
- with open(filepath, 'r') as f:  
+ with open(filepath, 'r') 
+ as f:  
  for line in f:  
  line = line.strip().split()  
  if len(line) >= 1 and line[-1].isdigit():  
@@ -183,37 +142,6 @@ def load_data(filepath):
  y_pred = predict_logreg(X_test[11], weights)  
  print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}") 
 
-def predict_logreg(inX, weights):
-    """
-    对率回归预测函数。
-
-    Args:
-    - inX (numpy array): 输入待分类的样本。
-    - weights (numpy array): 训练得到的权重。
-
-    Returns:
-    - int: 预测的分类标签。
-    """
-
-
-# 这里也写自己的代码实现
-def load_data(filepath):
-    """
-    从文件中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。
-
-    Args:
-    - directory (str): 数据文件路径。
-
-    Returns:
-    - np.array: 特征数据。
-    - np.array: 标签数据。
-    """
-
-
-if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
-    # 加载训练集
-    X_train, y_train = load_data("./data/horse-colic.data")
 
     # 加载测试集
     X_test, y_test = load_data("./data/horse-colic.test")