更新 function.py

function.py

@@ -55,10 +55,21 @@ def predict_logreg(inX, weights):
         return 0
 # 这里也写自己的代码实现
 def load_data(filepath):
-    data = np.loadtxt(filepath, delimiter=' ')
+    data = np.loadtxt(filepath, delimiter=',')
+    # 将 '?' 替换为 np.nan，表示缺失值
+    data = np.where(data == '?', np.nan, data)
+    # 将非数值列转换为数值，这里假设非数值列是分类数据，可以使用 label encoding 或 one-hot encoding
+    # 这里我们使用 label encoding 作为示例
+    for i in range(data.shape[1]):
+        if data[:, i].dtype == np.object:  # 如果是对象类型（字符串），则进行编码
+            data[:, i] = np.nan  # 先将 '?' 替换为 np.nan
+            data[:, i] = pd.Categorical(data[:, i]).codes  # 将分类数据转换为数值
+    # 将缺失值填充为 0 或者其他合适的值
+    data = np.nan_to_num(data, nan=0.0)
     X = data[:, :-1]
     y = data[:, -1]
-    return X, y
+    return X, y.astype(int)  # 确保标签是整数类型
+
 
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改