cache !!!!

function.py

@@ -52,19 +52,16 @@ def classify0(inX, dataSet, labels, k=8, _cache={"VI": None, "dataSet": None}):
     Returns:
     - int: 预测的分类标签。
     """
-    # 检查数据集是否发生变化
-    if _cache["dataSet"] is None or not np.array_equal(dataSet, _cache["dataSet"]):
-        # 计算并缓存数据集的协方差矩阵的逆
+    # 管它三七二十一，直接用缓存
+    if _cache["VI"] is None:
+        # 缓存数据集的协方差矩阵的逆
         _cache["VI"] = np.linalg.inv(np.cov(dataSet.T))
-        _cache["dataSet"] = dataSet
-
-    VI = _cache["VI"]
 
     # 计算 inX 与数据集的差值
     diff = dataSet - inX
 
     # 使用矩阵运算计算马氏距离
-    distances = np.sum(diff @ VI * diff, axis=1)
+    distances = np.sum(diff @ _cache["VI"] * diff, axis=1)
 
     # 对距离排序，获取前 k 个最近的样本索引
     sortedDistIndices = np.argsort(distances)
@@ -113,4 +110,4 @@ if __name__ == "__main__":
             # print(f"KNN 分类算法，k={j+1}")
             print(f"{correct}% 正确率")
     end_time = time.time()
-    print(f"运行时间：{end_time - start_time} s")
+    print(f"运行时间：{(end_time - start_time)*1000}ms")