generated from LufsX/Experiment-LogReg
127 lines
3.4 KiB
Python
127 lines
3.4 KiB
Python
# 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 = "202210423113"
|
|
name = "杨文强"
|
|
|
|
|
|
# 这里写自己的代码实现
|
|
def train_logreg(X, y, learning_rate=0.01, iterations=1000):
|
|
"""
|
|
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，控制每次更新的步长。
|
|
- iterations (int): 迭代次数。
|
|
|
|
Returns:
|
|
- numpy array: 训练得到的权重。
|
|
"""
|
|
# 初始化权重
|
|
m, n = X.shape
|
|
weights = np.zeros(n)
|
|
bias = 0
|
|
|
|
# 梯度下降
|
|
for i in range(iterations):
|
|
# 计算线性模型
|
|
z = np.dot(X, weights) + bias
|
|
# 应用sigmoid函数
|
|
predictions = 1 / (1 + np.exp(-z))
|
|
|
|
# 计算梯度
|
|
dw = (1/m) * np.dot(X.T, (predictions - y))
|
|
db = (1/m) * np.sum(predictions - y)
|
|
|
|
# 更新权重和偏置
|
|
weights -= learning_rate * dw
|
|
bias -= learning_rate * db
|
|
|
|
return weights, bias
|
|
|
|
def predict_logreg(inX, weights, bias):
|
|
"""
|
|
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。
|
|
- bias (float): 训练得到的偏置。
|
|
|
|
Returns:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
z = np.dot(inX, weights) + bias
|
|
prediction = 1 / (1 + np.exp(-z))
|
|
return 1 if prediction >= 0.5 else 0 # 分类阈值为0.5
|
|
|
|
|
|
|
|
# 这里也写自己的代码实现
|
|
|
|
def load_data(filepath):
|
|
"""
|
|
从文件中加载数据，处理非法字符（如 '?'）并填充缺失值。
|
|
|
|
Args:
|
|
- filepath (str): 数据文件路径。
|
|
|
|
Returns:
|
|
- np.array: 特征数据。
|
|
- np.array: 标签数据。
|
|
"""
|
|
# 使用pandas加载数据，这样可以更方便地处理缺失值
|
|
import pandas as pd
|
|
|
|
# 加载数据，假设数据是空格或制表符分隔的，非法字符 '?' 会被替换为 NaN
|
|
df = pd.read_csv(filepath, sep=' ', header=None, na_values='?')
|
|
|
|
# 将 NaN 填充为该列的均值
|
|
df.fillna(df.mean(), inplace=True)
|
|
|
|
# 将最后一列作为标签y，其他列作为特征X
|
|
X = df.iloc[:, :-1].values # 特征数据
|
|
y = df.iloc[:, -1].values # 标签数据
|
|
|
|
return X, y
|
|
|
|
|
|
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]}")
|