更新 function.py

function.py

@@ -20,6 +20,7 @@ import os
 - numpy: 2.1.1
 """
 
+
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
@@ -37,7 +38,7 @@ name = "刘国庆"
 - int: 预测的分类标签。
 """
 
-
+# 这里写自己的代码实现
 def classify(input_vector, dataSet, labels, k=3):
     """
     KNN 分类算法。
@@ -51,20 +52,21 @@ def classify(input_vector, dataSet, labels, k=3):
     Returns:
     - int: 预测的分类标签。
     """
-    # 计算欧氏距离
+    # 计算欧式距离
     distances = np.linalg.norm(dataSet - input_vector, axis=1)
-    # 按照距离升序排序，并选择前 k 个最近的样本
+    # 获取距离最小的 k 个样本的索引
     nearest_neighbors = np.argsort(distances)[:k]
-    # 统计每个标签出现的频率
+    # 统计 k 个最近邻样本中每个标签出现的频率
     label_count = {}
     for i in nearest_neighbors:
-        label = labels[i]
-        label_count[label] = label_count.get(label, 0) + 1
-    # 返回出现次数最多的标签
+        vote_label = labels[i]
+        label_count[vote_label] = label_count.get(vote_label, 0) + 1
+    # 返回票数最多的标签
     predicted_label = max(label_count, key=label_count.get)
     return predicted_label
 
 
+# 这里也写自己的代码实现
 def load_dataset(directory):
     """
     从文件夹中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。
@@ -79,14 +81,17 @@ def load_dataset(directory):
     labels = []
     file_list = os.listdir(directory)
     num_files = len(file_list)
-    data_set = np.zeros((num_files, 1024))  # 使用 numpy 初始化数据集
-    for i, file_name in enumerate(file_list):
-        label = int(file_name.split('_')[0])  # 文件名的第一个字符为标签
+    dataset = np.zeros((num_files, 1024))
+    for i, filename in enumerate(file_list):
+        # 取文件名的第一个字符作为标签
+        label = int(filename.split('_')[0])
         labels.append(label)
-        data_set[i, :] = img_to_vector(os.path.join(directory, file_name))  # 将图像文件转换为向量
-    return data_set, np.array(labels)
+        # 将图像文件转换为向量
+        dataset[i, :] = img_to_vector(os.path.join(directory, filename))
+    return dataset, np.array(labels)
 
 
+# 这里还写自己的代码实现
 def img_to_vector(filename):
     """
     将二值图像转换为向量。
@@ -98,12 +103,12 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
-    vector = np.zeros((1, 1024))  # 初始化一个 1x1024 的向量
-    with open(filename) as f:
-        for i in range(32):  # 读取 32 行
-            line = f.readline().strip()  # 去掉每行的换行符
-            for j in range(32):  # 每行的 32 个字符
-                vector[0, 32 * i + j] = int(line[j])  # 将字符转换为整型并赋值到向量中
+    vector = np.zeros((1, 1024))
+    with open(filename) as file:
+        for i in range(32):
+            line = file.readline().strip()
+            for j in range(32):
+                vector[0, 32 * i + j] = int(line[j])
     return vector
 
 
@@ -153,3 +158,4 @@ if __name__ == "__main__":
 
     print(f"预测的标签: {predicted_label}")
 
+