更新 function.py

function.py

@@ -1,47 +1,10 @@
-# function.py
 import numpy as np
 import os
 
-"""
-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 = "202210423xxx"
 name = "test_name"
 
-
-"""
-参数说明:
-- 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，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=0):
+def classify(input_vector, dataSet, labels, k=3):
     """
     KNN 分类算法。
 
@@ -49,17 +12,30 @@ def classify(input_vector, dataSet, labels, k=0):
     - 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，不修改默认值将**无法通过**评测，**成绩为零**。
+    - k (int): kNN 算法参数，默认值为 3。
 
     Returns:
     - int: 预测的分类标签。
     """
+    # 计算输入向量与数据集中每个向量的欧式距离
+    diffMat = np.tile(input_vector, (dataSet.shape[0], 1)) - dataSet
+    sqDiffMat = diffMat**2
+    sqDistances = sqDiffMat.sum(axis=1)
+    distances = sqDistances**0.5
+    # 获取距离最近的 k 个样本的索引
+    sortedDistIndices = distances.argsort()
+    classCount = {}
+    for i in range(k):
+        voteIlabel = labels[sortedDistIndices[i]]
+        # 统计每个类别的出现次数
+        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
+    # 返回出现次数最多的类别
+    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
 def load_dataset(directory):
     """
-    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**。
+    从文件夹中加载数据。
 
     Args:
     - directory (str): 数据文件夹路径。
@@ -68,13 +44,23 @@ 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))  # 28*28的二值图像数据
+    labels = []
+    for i in range(m):
+        filename = fileList[i]
+        filePath = os.path.join(directory, filename)
+        vector = img_to_vector(filePath)
+        dataSet[i, :] = vector
+        # 假设文件名的格式为 "label_number.txt"
+        label = int(filename.split('_')[0])
+        labels.append(label)
+    return dataSet, np.array(labels)
 
-
-# 这里还写自己的代码实现
 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。
@@ -82,12 +68,22 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
-
+    returnVect = np.zeros((1, 1024))
+    with open(filename, 'r') as file:
+        lines = file.readlines()
+        n = 0
+        for line in lines:
+            for i in range(0, len(line)):
+                returnVect[0, n] = int(line[i]
+                n = n + 1
+                if n >= 1024:
+                    break
+            if n >= 1024:
+                break
+    return returnVect
 
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
     train_data, train_labels = load_dataset("trainingDigits")
-
     test_data = (
         "00000000000000110000000000000000"
         "00000000000011111000000000000000"
@@ -127,5 +123,4 @@ if __name__ == "__main__":
         train_data,
         train_labels,
     )
-
     print(f"预测的标签: {predicted_label}")