挑战一：kNN 算法

挑战说明

• 自行在 function.py 中编写实现 KNN 分类算法。
• 函数输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
• 函数返回: 预测的分类标签。

成功上传的评测结果将在 rank.intcplab.cn 展示。

注意事项

挑战开始前必须在 function.py 中填写自己的学号和姓名！

• 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，不记录成绩。
• 需要在 function.py 中实现完整的 kNN 分类算法。
• 默认 k=0，需自行设置最佳的默认 k 值，不修改默认值将无法通过自动评测，成绩为零。
• 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
• 训练集在本目录下的 datingTrainSet2.tsv 中。
• 评测数据集在本目录下的 datingTestSet2.tsv 中。
• 本地调试完成后，需要更新提交代码，否则无法自动评测，没有挑战成绩。
• 评测的运行时间受机器性能影响，运行时间仅供参考。
• 若有评测相关问题，请在项目工单处提出，或联系 QQ: 1968647927。

代码提交后会进行自动评测，评测所用的环境如下：

• CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
• OS: Ubuntu 22.04.4 LTS
• Python: 3.10.12
• numpy: 2.1.1

挑战操作

挑战赛与实验为两个不同的仓库，注意不要混淆！

---

注册平台帐号，若有平台帐号相关问题，联系 QQ: 1968647927。

进入对应仓库的页面，点击页面的「使用模版」按钮。

填写仓库名称（建议和对应仓库一致，例如本仓库名 Challenge-kNN），勾选模版选项中的「Git 数据（默认分支）」后，点击「创建仓库」按钮。

如果你不想让你的代码被其他人看见，可以勾选上「将仓库设为私有」。

当然，创建完成后也可以更改，自行摸索～

可以选择拉取到本地写代码，也可以直接在线编辑。

---

下面以在线编辑为例。

打开对应的文件，点击编辑按钮即可。

编辑完成后，点击「提交变更」按钮提交修改。

---

下面以拉取到本地写代码为例。

点击后会叫你选个地方保存代码，选择目录后继续。

然后编辑器就会打开，你可以开始写代码了。

编辑完成后，点侧栏的分叉图标，选择你要提交的变更，再点提交按钮。

接下来会弹出一个窗口，填写你平台帐号的用户名和密码后即可。

---

提交完成后，会自动开始评测。

这里就可以看到你评测的实时情况与最终得分。

其它

若有流程、优化等相关建议和问题，欢迎在评测后端项目工单中提出。

同时欢迎参与评测后端的开发与优化！