update: README

README.md

@@ -26,8 +26,9 @@
 
 实验开始前必须在 [`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。
+- 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 `classify` 和 `load_data` 函数，请勿修改函数名。
 - 仓库内不自带数据集，本地调试时，数据集需自行下载。
 - 本地调试完成后，**需要更新提交代码**，否则无法自动评测，**没有实验成绩**。
@@ -59,3 +60,9 @@
 若要完成实验，请确保是在**本页面**点击「使用模版」来创建仓库，新仓库名称建议与模版名称相同，其余操作参见[挑战赛的说明](https://git.intcplab.cn/LufsX/Challenge-kNN#挑战操作)。
 
 若要完成实验，评测时检查创建完成的**仓库信息**是否正确，本次实验标题为「**实验一：KNN 与二值手写数字识别**」！
+
+## 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

@@ -34,14 +34,14 @@ name = "test_name"
 - 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。
+- 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。
 """
 
 
 # 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=3):
+def classify(input_vector, dataSet, labels, k=0):
     """
     KNN 分类算法。
 
@@ -49,7 +49,7 @@ 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，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。
@@ -59,7 +59,7 @@ def classify(input_vector, dataSet, labels, k=3):
 # 这里也写自己的代码实现
 def load_dataset(directory):
     """
-    从文件夹中加载数据。
+    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**。
 
     Args:
     - directory (str): 数据文件夹路径。
@@ -74,6 +74,7 @@ def load_dataset(directory):
 def img_to_vector(filename):
     """
     将二值图像转换为向量。
+    该部分应为 load_dataset 函数的辅助子函数，可单独在这里实现，也可直接集成至 load_dataset 函数中。
 
     Args:
     - filename (str): 图像文件路径。