更新 function.py

function.py

@@ -1,4 +1,3 @@
-# function.py
 import numpy as np
 import os
 
@@ -41,7 +40,7 @@ name = "陈瑞琪祥"
 
 
 # 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=0):
+def classify(input_vector, dataSet, labels, k=3):
     """
     KNN 分类算法。
 
@@ -49,7 +48,7 @@ def classify(input_vector, dataSet, labels, k=0):
     - 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，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
+    - k (int): kNN 算法参数，默认值为3。
 
     Returns:
     - int: 预测的分类标签。
@@ -70,8 +69,6 @@ def classify(input_vector, dataSet, labels, k=0):
     sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
     return sortedClassCount[0][0]
 
-
-# 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**。
@@ -98,8 +95,6 @@ def load_dataset(directory):
         i = i + 1
     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。
@@ -111,7 +106,7 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
- returnVect = np.zeros((1, 1024))  # 假设图像是32x32的
+    returnVect = np.zeros((1, 1024))  # 假设图像是32x32的
     with open(filename, 'r') as fr:
         lines = fr.readlines()
         w = 0
@@ -122,11 +117,12 @@ def img_to_vector(filename):
                 w += 1
     return returnVect.flatten()  # 返回一维数组
 
-
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
+    # 使用绝对路径加载数据集
-    train_data, train_labels = load_dataset("trainingDigits")
+    directory = r"C:\Users\HP\Desktop\trainingDigits"
+    train_data, train_labels = load_dataset(directory)
 
+    # 确保 test_data 字符串长度为1024
     test_data = (
         "00000000000000110000000000000000"
         "00000000000011111000000000000000"
@@ -147,24 +143,25 @@ if __name__ == "__main__":
         "00000001111111111111000000000000"
         "00000001111111111111111000000000"
         "00000001111111111111111100000000"
-        "00000011111111111111111110000000"
+        "00000011111111111111111100000000"
-        "00000011111111111111111110000000"
+        "00000011111111111111111100000000"
         "00000001111111111111111110000000"
         "00000001111111111111111110000000"
         "00000000111111111100111111100000"
         "00000000111111111000111111100000"
-        "00000000011111111001111111100000"
+        "00000000011111111100111111110000"
         "00000000011111111111111111000000"
         "00000000001111111111111111000000"
         "00000000000111111111111111000000"
         "00000000000011111111111100000000"
-        "00000000000001111111110000000000"
+        "00000000000000111111111000000000"
         "00000000000000000111100000000000"
-    )
+    ).replace("\n", "")  # 移除换行符
-    predicted_label = classify(
+
-        np.array([int(char) for char in test_data]).reshape(1, 1024),
+    # 将 test_data 转换为 NumPy 数组，并确保其长度为1024
-        train_data,
+    test_vector = np.array([int(char) for char in test_data])[:1024].reshape(1, 1024)
-        train_labels,
+
-    )
+    # 确保数组大小为1024后再进行分类
+    predicted_label = classify(test_vector, train_data, train_labels)
 
     print(f"预测的标签: {predicted_label}")