更新 function.py

function.py

@@ -78,6 +78,8 @@ def predict_svm(inX, weights, bias):
 
 
 # 这里也写自己的代码实现
+import numpy as np
+
 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**。
@@ -89,7 +91,8 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    data = np.loadtxt(filepath, delimiter=',', dtype=str)
+    # 使用 np.genfromtxt 处理缺失值
+    data = np.genfromtxt(filepath, delimiter=',', dtype=str, filling_values='nan')
 
     # 检查数据的维度
     if data.ndim == 1:
@@ -97,12 +100,26 @@ def load_data(filepath):
         data = np.expand_dims(data, axis=0)
 
     # 特征数据
-    X = data[:, :-1].astype(float)  # 所有列，除了最后一列
+    X = data[:, :-1]  # 所有列，除了最后一列
     # 标签数据
     y = data[:, -1]  # 最后一列
 
     # 将标签转换为 -1 和 1
     y = np.where(y == '1', 1, -1)  # 假设标签为 '1' 表示死亡，其他为存活
+
+    # 处理特征数据中的缺失值
+    # 将 '?' 替换为 np.nan
+    X[X == '?'] = np.nan
+
+    # 将特征数据转换为浮点数
+    X = X.astype(float)
+
+    # 处理缺失值：可以选择填充或删除
+    # 这里选择用列的均值填充缺失值
+    col_mean = np.nanmean(X, axis=0)  # 计算每列的均值
+    inds = np.where(np.isnan(X))  # 找到缺失值的索引
+    X[inds] = np.take(col_mean, inds[1])  # 用均值填充缺失值
+
     return X, y