generated from LufsX/Experiment-LogReg
137 lines
4.0 KiB
Python
137 lines
4.0 KiB
Python
import numpy as np
|
|
from sklearn.tree import DecisionTreeClassifier
|
|
"""
|
|
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。
|
|
"""
|
|
|
|
"""
|
|
请在这里填写学号和姓名，不填写即成绩无效。
|
|
"""
|
|
id = "202210423208"
|
|
name = "刘义天"
|
|
|
|
|
|
# 加载数据并添加非线性特征
|
|
def load_data(filepath):
|
|
"""
|
|
从文件中加载数据并生成非线性特征。
|
|
|
|
Args:
|
|
- filepath (str): 数据文件路径
|
|
|
|
Returns:
|
|
- X (numpy array): 包含非线性特征的特征数据
|
|
- y (numpy array): 标签数据
|
|
"""
|
|
# 读取数据，指定分隔符为空格，缺失值符号为 '?'
|
|
data = np.genfromtxt(filepath, delimiter=" ", dtype=str)
|
|
|
|
# 将 '?' 替换为 np.nan 并转换为浮点数
|
|
data[data == '?'] = np.nan
|
|
data = data.astype(float)
|
|
|
|
# 对每一列的缺失值使用列的均值填充
|
|
col_means = np.nanmean(data, axis=0)
|
|
inds = np.where(np.isnan(data))
|
|
data[inds] = np.take(col_means, inds[1])
|
|
|
|
# 分离特征和标签
|
|
X = data[:, :-1]
|
|
y = data[:, -1]
|
|
|
|
# 生成非线性特征 (平方和对数)
|
|
square_features = X ** 2
|
|
log_features = np.log1p(X) # 使用 log1p 避免 log(0)
|
|
|
|
# 将非线性特征添加到原特征集
|
|
X = np.hstack([X, square_features, log_features])
|
|
|
|
return X, y
|
|
|
|
|
|
# 对率回归训练函数
|
|
def train_logreg(X, y, learning_rate=0.01, num_iterations=1000, regularization_strength=0):
|
|
"""
|
|
对率回归训练函数。
|
|
|
|
Args:
|
|
- X (numpy array): 特征数据。
|
|
- y (numpy array): 标签数据。
|
|
- learning_rate (float): 学习率。
|
|
- num_iterations (int): 迭代次数。
|
|
- regularization_strength (float): 正则化强度。
|
|
|
|
Returns:
|
|
- weights (numpy array): 训练得到的权重。
|
|
"""
|
|
m, n = X.shape
|
|
weights = np.zeros(n)
|
|
for _ in range(num_iterations):
|
|
predictions = 1 / (1 + np.exp(-np.dot(X, weights)))
|
|
gradient = (1 / m) * np.dot(X.T, (predictions - y)) + regularization_strength * weights
|
|
weights -= learning_rate * gradient
|
|
return weights
|
|
|
|
|
|
# 决策树训练函数
|
|
def train_decision_tree(X, y):
|
|
"""
|
|
训练简单的决策树模型。
|
|
|
|
Args:
|
|
- X (numpy array): 特征数据
|
|
- y (numpy array): 标签数据
|
|
|
|
Returns:
|
|
- clf (DecisionTreeClassifier): 训练好的决策树模型
|
|
"""
|
|
clf = DecisionTreeClassifier(max_depth=5, random_state=42)
|
|
clf.fit(X, y)
|
|
return clf
|
|
|
|
|
|
# 融合预测函数
|
|
def predict_fusion(inX, weights, clf):
|
|
"""
|
|
融合对率回归和决策树的预测结果。
|
|
|
|
Args:
|
|
- inX (numpy array): 输入待分类的样本。
|
|
- weights (numpy array): 对率回归的权重。
|
|
- clf (DecisionTreeClassifier): 训练好的决策树模型。
|
|
|
|
Returns:
|
|
- int: 最终预测的分类标签。
|
|
"""
|
|
# 对率回归预测
|
|
probability_logreg = 1 / (1 + np.exp(-np.dot(inX, weights)))
|
|
prediction_logreg = 1 if probability_logreg >= 0.4 else 0
|
|
|
|
# 决策树预测
|
|
prediction_tree = clf.predict(inX.reshape(1, -1))[0]
|
|
|
|
# 融合投票
|
|
final_prediction = 1 if (prediction_logreg + prediction_tree) >= 1 else 0
|
|
return final_prediction
|
|
|
|
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")
|
|
|
|
# 训练对率回归模型
|
|
weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000)
|
|
|
|
# 测试单个数据
|
|
y_pred = predict_logreg(X_test[11], weights)
|
|
print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")
|