更新 function.py

function.py

@@ -54,6 +54,21 @@ def classify(input_vector, dataSet, labels, k=0):
     Returns:
     - int: 预测的分类标签。
     """
+    # 计算输入向量与数据集中每个样本的欧氏距离
+    distances = np.sqrt(((dataSet - input_vector) ** 2).sum(axis=1))
+    
+    # 获取距离最近的k个样本的索引
+    sortedDistIndices = distances.argsort()
+    
+    # 获取这些样本对应的标签
+    classCount = {}
+    for i in range(k):
+        voteIlabel = labels[sortedDistIndices[i]]
+        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
+    
+    # 选择票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]
 
 
 # 这里也写自己的代码实现
@@ -68,6 +83,20 @@ 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))  # 假设每个图像是32x32的
+    labels = []
+    i = 0
+    for file in fileList:
+        path = os.path.join(directory, file)
+        vector = img_to_vector(path)
+        dataSet[i, :] = vector
+        # 假设文件名的格式是"label_number.txt"
+        label = int(file.split('_')[0])
+        labels.append(label)
+        i = i + 1
+    return dataSet, np.array(labels)
 
 
 # 这里还写自己的代码实现
@@ -82,6 +111,16 @@ 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
+    with open(filename, 'r') as fr:
+        lines = fr.readlines()
+        w = 0
+        for i in range(32):  # 假设图像是32行
+            for j in range(32):  # 每行32个像素
+                if lines[i][j] == '1':
+                    returnVect[0, w] = 1
+                w += 1
+    return returnVect.flatten()  # 返回一维数组
 
 
 if __name__ == "__main__":