更新 function.py

function.py

@@ -23,50 +23,54 @@ import numpy as np
 姓名请直接**填写中文**
 例如: name = "张三"
 """
-id = "202210423xxx"
+id = "202210423113"
-name = "test_name"
+name = "杨文强"
 
+import os
+from sklearn.preprocessing import StandardScaler
+from sklearn.model_selection import train_test_split
 
-# 这里写自己的代码实现
+def sigmoid(z):
-def train_logreg(X, y, other_params="你自己设置一些其它参数"):
+    """计算sigmoid函数"""
-    """
+    return 1.0 / (1 + np.exp(-z))
-    对率回归训练函数。
 
-    Args:
+def compute_gradient(X_batch, y_batch, weights, lambda_reg):
-    - X (numpy array): 特征数据。
+    """计算梯度，包含L2正则化"""
-    - y (numpy array): 标签数据。
+    z = np.dot(X_batch, weights)
-    - 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**。
+    h = sigmoid(z)
+    gradient = np.dot(X_batch.T, (h - y_batch)) / len(y_batch)
+    gradient += (lambda_reg / len(y_batch)) * weights  # L2正则化
+    return gradient
 
-    Returns:
+def train_logreg(X, y, learning_rate=0.001, iterations=10000, batch_size=64, lambda_reg=0.1):
-    - numpy array: 训练得到的权重。
+    """逻辑回归训练函数。"""
-    """
+    m, n = X.shape
+    weights = np.random.randn(n) * np.sqrt(2. / n)  # He初始化
+    print("开始训练逻辑回归模型")
     
+    for i in range(iterations):
+        indices = np.random.permutation(m)
+        X_shuffled = X[indices]
+        y_shuffled = y[indices]
+
+        for j in range(0, m, batch_size):
+            X_batch = X_shuffled[j:j + batch_size]
+            y_batch = y_shuffled[j:j + batch_size]
+            gradient = compute_gradient(X_batch, y_batch, weights, lambda_reg)
+            weights -= learning_rate * gradient
+            
+        if i % 1000 == 0:  # 每1000次迭代打印一次信息
+            print(f"迭代 {i}: 当前权重形状: {weights.shape}")
+
+    return weights
 
 def predict_logreg(inX, weights):
-    """
+    """逻辑回归预测函数。"""
-    对率回归预测函数。
+    z = np.dot(inX, weights)
-
+    h = sigmoid(z)
-    Args:
+    return 1 if h >= 0.5 else 0
-    - 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__":