更新 function.py

function.py

@@ -1,31 +1,6 @@
 import numpy as np
 import os
 
-"""
-实验说明:
-- 自行编写实现数据加载与 kNN 的手写数字分类算法。
-- 函数输入: 待分类的样本 input_vector, 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。
-
-注意事项:
-- 在 function.py 中实现 kNN 分类算法。
-- 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 classify 和 load_data 函数，请勿修改函数名。
-- 训练集和测试集需手动下载解压，并放入当前目录下。
-
-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。
-"""
-id = "202210423203"
-name = "赵昊龙"
-
 def classify(input_vector, dataSet, labels, k=3):
     """
     KNN 分类算法。
@@ -34,28 +9,18 @@ def classify(input_vector, dataSet, labels, k=3):
     - input_vector (numpy array): 输入待分类的样本。
     - dataSet (numpy array): 训练数据集。
     - labels (list or numpy array): 训练集对应的标签。
-    - k (int): kNN 算法参数。
+    - k (int): kNN 算法参数，默认值为 3。
 
     Returns:
     - int: 预测的分类标签。
     """
-    # 欧式距离
-    diffMat = np.tile(input_vector, (dataSet.shape[0], 1)) - dataSet
-    sqDiffMat = diffMat**2
-    sqDistances = sqDiffMat.sum(axis=1)
-    distances = sqDistances**0.5
-    sortedDistIndices = distances.argsort()
-    
-    # 取出距离最近的k个点的标签
-    classCount = {}
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    sorted_indices = np.argsort(distances)
+    class_count = {}
     for i in range(k):
-        voteIlabel = labels[sortedDistIndices[i]]
-        # 统计每个类别的出现次数
-        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
-    
-    # 选择出现次数最多的类别作为预测标签
-    sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
-    return sortedClassCount[0][0]
+        label = labels[sorted_indices[i]]
+        class_count[label] = class_count.get(label, 0) + 1
+    return max(class_count, key=class_count.get)
 
 def load_dataset(directory):
     """
@@ -68,20 +33,17 @@ def load_dataset(directory):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-    fileList = os.listdir(directory)
-    m = len(fileList)
-    dataSet = np.zeros((m, 1024))  # 28*28的二值图像数据
+    file_list = os.listdir(directory)
+    m = len(file_list)
+    dataset = np.zeros((m, 1024))
     labels = []
-    
-    for i in range(m):
-        filename = fileList[i]
-        fileWithPath = os.path.join(directory, filename)
-        vector = img_to_vector(fileWithPath)
-        dataSet[i, :] = vector
-        label = int(filename.split('.')[0])  # 假设文件名的格式为"数字.txt"
+    for i, file_name in enumerate(file_list):
+        file_path = os.path.join(directory, file_name)
+        vector = img_to_vector(file_path)
+        dataset[i, :] = vector
+        label = int(file_name.split('_')[0])
         labels.append(label)
-    
-    return dataSet, np.array(labels)
+    return dataset, np.array(labels)
 
 def img_to_vector(filename):
     """
@@ -93,15 +55,8 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
-    returnVect = np.zeros((1024,))  # 28*28的二值图像数据
     with open(filename, 'r') as file:
-        lines = file.readlines()
-        n = 0
-        for line in lines:
-            for i in range(len(line)-1):
-                returnVect[n] = int(line[i])
-                n = n + 1
-    return returnVect
+        return np.array([int(char) for char in file.read()]).reshape(-1, 1)
 
 if __name__ == "__main__":
     train_data, train_labels = load_dataset("trainingDigits")