generated from LufsX/Experiment-kNN
83 lines
2.7 KiB
Python
83 lines
2.7 KiB
Python
# function.py
|
|
import numpy as np
|
|
import os
|
|
from collections import Counter
|
|
"""
|
|
实验说明:
|
|
- 自行编写实现数据加载与 kNN 的手写数字分类算法。
|
|
- 函数输入: 待分类的样本 input_vector, 训练数据集 dataSet, 训练集对应的标签 labels。
|
|
- 函数返回: 预测的分类标签。
|
|
|
|
注意事项:
|
|
- 在 function.py 中实现 kNN 分类算法。
|
|
- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若未在 requirements.txt 中添加使用到的依赖，则无法自动评测，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。
|
|
- 训练集和测试集需手动下载解压，并放入当前目录下。
|
|
|
|
测评环境:
|
|
- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
|
|
- OS: Ubuntu 22.04.4 LTS
|
|
- Python: 3.10.12
|
|
- numpy: 2.1.1
|
|
"""
|
|
|
|
|
|
"""
|
|
请在这里填写学号和姓名，不填写即成绩无效。
|
|
"""
|
|
id = "202210423107"
|
|
name = "刘燚燊"
|
|
|
|
|
|
def load_data(directory):
|
|
"""
|
|
读取训练集或测试集的数字图像，转换为矩阵格式。
|
|
Args:
|
|
directory (str): 数据集文件夹路径
|
|
Returns:
|
|
dataSet (list): 图像数据集
|
|
labels (list): 对应的标签
|
|
"""
|
|
dataSet = []
|
|
labels = []
|
|
|
|
# 遍历文件夹中的每个文件
|
|
for filename in os.listdir(directory):
|
|
if filename.endswith('.txt'):
|
|
# 将文件名的前缀（如 '9_45.txt' 的 '9'）作为标签
|
|
label = int(filename.split('_')[0])
|
|
labels.append(label)
|
|
|
|
# 读取文件内容并转换为一维数组
|
|
filepath = os.path.join(directory, filename)
|
|
with open(filepath, 'r') as file:
|
|
data = file.read().replace('\n', '')
|
|
data_vector = np.array([int(pixel) for pixel in data])
|
|
dataSet.append(data_vector)
|
|
|
|
return np.array(dataSet), np.array(labels)
|
|
|
|
def classify(input_vector, dataSet, labels, k=3):
|
|
"""
|
|
使用kNN算法进行分类
|
|
Args:
|
|
input_vector (ndarray): 待分类样本
|
|
dataSet (ndarray): 训练数据集
|
|
labels (ndarray): 训练集标签
|
|
k (int): 选择的邻居数
|
|
Returns:
|
|
int: 预测的分类标签
|
|
"""
|
|
# 计算输入向量和训练集所有样本的欧氏距离
|
|
distances = np.linalg.norm(dataSet - input_vector, axis=1)
|
|
|
|
# 获取距离最近的 k 个样本的索引
|
|
k_neighbors_indices = distances.argsort()[:k]
|
|
|
|
# 获取这些样本对应的标签
|
|
k_neighbors_labels = labels[k_neighbors_indices]
|
|
|
|
# 使用投票机制决定分类
|
|
most_common_label = Counter(k_neighbors_labels).most_common(1)[0][0]
|
|
|
|
return most_common_label |