update: README

README.md

@@ -12,8 +12,9 @@
 
 挑战开始前必须在 [`function.py`](./function.py#L28-L29) 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`](./requirements.txt) 添加依赖，若未在 [`requirements.txt`](./requirements.txt) 中添加使用到的依赖，则无法自动评测，成绩为零。
-- 需要在 [`function.py`](./function.py) 中实现完整的 KNN 分类算法。
+- 可以自行导入其他库，需要在 [`requirements.txt`](./requirements.txt) 添加依赖，若未在 [`requirements.txt`](./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`](./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`](./function.py#L43) 函数，请勿修改函数名。
 - 训练集在本目录下的 [`datingTrainSet2.tsv`](./datingTrainSet2.tsv) 中。
 - 评测数据集在本目录下的 [`datingTestSet2.tsv`](./datingTestSet2.tsv) 中。
@@ -87,3 +88,9 @@
 ![评测结果](./img/result.png)
 
 ![评测结果](./img/result2.png)
+
+## 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](https://git.intcplab.cn/LufsX/Evaluation-Backend/issues)中提出。
+
+同时欢迎参与[评测后端](https://git.intcplab.cn/LufsX/Evaluation-Backend)的开发与优化！

function.py

@@ -34,6 +34,7 @@ name = "test_name"
 - inX (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**。
 返回值:
 - int: 预测的分类标签。
 """
@@ -48,7 +49,7 @@ def classify0(inX, dataSet, labels, k=0):
     - inX (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。
+    - 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**。
 
     Returns:
     - int: 预测的分类标签。