更新 function.py

function.py

@@ -1,5 +1,8 @@
 # function.py
 import numpy as np
+import pandas as pd
+from sklearn.impute import SimpleImputer
+from sklearn.preprocessing import StandardScaler
 
 """
 实验说明:
@@ -21,63 +24,92 @@ import numpy as np
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
-id = "202210423xxx"
+id = "202210423112"
-name = "test_name"
+name = "严锡好"
 
 
 # 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"):
+# sigmoid函数，用于逻辑回归模型中将线性输出转换为概率
-    """
+def sigmoid(x):
-    对率回归训练函数。
+    return 1 / (1 + np.exp(-x))
-
-    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。
-    """
 
+# train_logreg函数，用于训练逻辑回归模型
+def train_logreg(X, y, learning_rate=0.01, iterations=1000, regularization=0.01):
+    m, n = X.shape  # 获取样本数量和特征数量
+    weights = np.zeros(n)  # 初始化权重为0
+    for _ in range(iterations):  # 迭代指定次数
+        linear_model = np.dot(X, weights)  # 计算线性模型的输出
+        y_predicted = sigmoid(linear_model)  # 将线性输出转换为概率
+        gradient = np.dot(X.T, (y_predicted - y)) / m + regularization * weights  # 计算梯度
+        weights -= learning_rate * gradient  # 更新权重
+    return weights  # 返回训练好的权重
 
+# predict_logreg函数，用于使用训练好的权重进行预测
 def predict_logreg(inX, weights):
-    """
+    linear_output = np.dot(inX, weights)  # 计算线性输出
-    对率回归预测函数。
+    probability = sigmoid(linear_output)  # 将线性输出转换为概率
+    return 1 if probability > 0.5 else 0  # 返回预测结果，大于0.5为1，否则为0
 
-    Args:
+# preprocess_data函数，用于预处理数据
-    - inX (numpy array): 输入待分类的样本。
+def preprocess_data(X, y):
-    - weights (numpy array): 训练得到的权重。
+    # 合并目标变量的类别，将2和3都转换为0
+    y[y == 2] = 0
+    y[y == 3] = 0
 
-    Returns:
+    # 删除特征3和特征24~28
-    - int: 预测的分类标签。
+    X = np.delete(X, [3], axis=1)
-    """
+    X = X[:, :23]
 
+    return X, y  # 返回预处理后的数据
 
-# 这里也写自己的代码实现
+# load_data函数，用于加载数据
 def load_data(filepath):
-    """
+    # 使用Pandas读取数据，可以更好地处理缺失值和字符串
-    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**。
+    try:
+        data = pd.read_csv(filepath, header=None, sep=r'\s+', on_bad_lines='skip')
+    except pd.errors.ParserError as e:
+        print(f"Error parsing file: {e}")
+        return None, None
 
-    Args:
+    # 将'?'替换为np.nan
-    - directory (str): 数据文件路径。
+    data.replace('?', np.nan, inplace=True)
 
-    Returns:
+    # 使用SimpleImputer填充缺失值
-    - np.array: 特征数据。
+    imputer = SimpleImputer(missing_values=np.nan, strategy='constant', fill_value=0)
-    - np.array: 标签数据。
+    data.iloc[:, :-1] = imputer.fit_transform(data.iloc[:, :-1])
-    """
 
+    # 将所有列转换为数值类型
+    for col in data.columns[:-1]:
+        data[col] = pd.to_numeric(data[col], errors='coerce')
+
+    X = data.iloc[:, :-1].values  # 特征数据
+    y = data.iloc[:, -1].values.astype(int)  # 目标变量
+
+    # 预处理数据
+    X, y = preprocess_data(X, y)
+
+    return X, y  # 返回加载和预处理后的数据
+
+# main函数，程序的入口点
+def main():
+    X_train, y_train = load_data("D:/data/horse/horse-colic.data")  # 加载训练数据
+    X_test, y_test = load_data("D:/data/horse/horse-colic.test")  # 加载测试数据
+
+    if X_train is not None and X_test is not None:
+        # 特征缩放
+        scaler = StandardScaler()
+        X_train = scaler.fit_transform(X_train)
+        X_test = scaler.transform(X_test)
+
+        # 训练模型
+        weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000, regularization=0.1)
+
+        # 预测测试集
+        y_pred = [predict_logreg(x, weights) for x in X_test]
+
+        # 计算准确率
+        accuracy = np.mean(y_pred == y_test)
+        print(f"准确率: {accuracy}")
 
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
+    main()  # 调用main函数，运行程序
-    # 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]}")