更新 function.py

function.py

@@ -31,6 +31,7 @@ name = "杨文强"
 def load_data(filepath):
     """
     从文件中加载数据，并返回特征和标签。
+    如果数据中包含 '?' 字符，将其处理为 NaN。
     
     Args:
     - filepath (str): 数据文件路径。
@@ -39,19 +40,34 @@ def load_data(filepath):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    data = np.loadtxt(filepath, delimiter=" ", dtype=str)
+    # 读取数据，指定将 '?' 转换为 np.nan
+    data = np.genfromtxt(filepath, delimiter=" ", dtype=str, missing_values='?', filling_values=np.nan)
+
     X = []
     y = []
 
     for row in data:
-        features = row[:-1].astype(float)  # 特征数据
-        label = int(row[-1])  # 标签数据 (0 或 1)
+        features = row[:-1]  # 特征数据
+        label = row[-1]      # 标签数据
 
-        # 转换标签为 +1 或 -1
-        y.append(1 if label == 1 else -1)
+        # 将特征中的 '?' 替换为 NaN，后续可以选择删除这些行或填充NaN值
+        features = [float(x) if x != '?' else np.nan for x in features]
+
+        # 标签的处理：确保标签是 1 或 -1
+        label = int(label)  # 标签需要转换为整数 1 或 0
+        y.append(1 if label == 1 else -1)  # 将标签转换为 +1 或 -1
         X.append(features)
     
-    return np.array(X), np.array(y)
+    X = np.array(X)
+    y = np.array(y)
+
+    # 处理缺失值：可以选择删除含有NaN的样本
+    # 这里是删除含有NaN的行
+    valid_indices = ~np.isnan(X).any(axis=1)
+    X = X[valid_indices]
+    y = y[valid_indices]
+
+    return X, y
 
 def train_svm(X, y, learning_rate=0.01, iterations=1000, regularization_param=0.01):
     """