From 1aae158e88052c57be0b1e4b09a25e45fbf0742c Mon Sep 17 00:00:00 2001
From: Ulysses-ui <3233559397@qq.com>
Date: Wed, 16 Oct 2024 22:51:12 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 86 ++++++++++++++++++++++++++++++-----------------------
 1 file changed, 49 insertions(+), 37 deletions(-)

diff --git a/function.py b/function.py
index 3eeeff1..a836bbe 100644
--- a/function.py
+++ b/function.py
@@ -1,61 +1,73 @@
 import numpy as np
-import os
 
-"""
-请在这里填写学号和姓名，不填写即成绩无效。
-"""
-id = "202210423124"
-name = "刘子豪"
-
-def classify0(input_vector, dataSet, labels, k=3):
+def mahalanobis_distance(x1, x2, cov_inv, mean):
     """
-    KNN 分类算法。
+    计算两点之间的马氏距离。
+    
+    Args:
+    x1 (numpy array): 第一个点。
+    x2 (numpy array): 第二个点。
+    cov_inv (numpy array): 协方差矩阵的逆矩阵。
+    mean (numpy array): 数据集的均值。
+    
+    Returns:
+    float: 两点之间的马氏距离。
+    """
+    delta = x1 - x2
+    dist = delta @ cov_inv @ delta.T
+    return np.sqrt(dist)
+
+def classify0(inX, dataSet, labels, k=3):
+    """
+    使用马氏距离的 KNN 分类算法。
 
     Args:
-    - input_vector (numpy array): 输入待分类的样本。
+    - 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**。
+    - k (int): kNN 算法参数，默认值为 3。
 
     Returns:
     - int: 预测的分类标签。
     """
-    # 计算输入向量与训练集中每个样本的欧氏距离
-    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    # 计算训练数据集的协方差矩阵和均值
+    cov_matrix = np.cov(dataSet, rowvar=False)
+    mean = np.mean(dataSet, axis=0)
+    cov_inv = np.linalg.inv(cov_matrix + np.eye(cov_matrix.shape[0]) * 1e-5)  # 加上一个小的单位矩阵以避免奇异矩阵
+    
+    # 计算待分类样本与训练集中每个样本的马氏距离
+    distances = np.array([mahalanobis_distance(inX, x, cov_inv, mean) for x in dataSet])
+    
+    # 获取距离最近的 k 个样本的索引
+    sortedDistIndices = distances.argsort()[:k]
+    
+    # 获取这些样本对应的标签
+    classCount = {}
+    for i in sortedDistIndices:
+        voteLabel = labels[i]
+        classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
+    
+    # 选择出现次数最多的标签作为预测标签
+    sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
+    return sortedClassCount[0][0]
 
-    # 按照距离从小到大排序并获取前k个距离最小的索引
-    sorted_indices = distances.argsort()[:k]
-
-    # 统计前k个最近邻的标签
-    nearest_labels = [labels[i] for i in sorted_indices]
-
-    # 返回出现次数最多的标签
-    predicted_label = max(set(nearest_labels), key=nearest_labels.count)
-
-    return predicted_label
 
 def load_data(file_path):
     """
-    从 TSV 文件中加载数据集。
-
-    Args:
-    - file_path (str): TSV 文件路径。
-
-    Returns:
-    - np.array: 特征数据。
-    - np.array: 标签数据。
+    加载 TSV 格式数据文件。
     """
-    data = np.loadtxt(file_path, delimiter='\t')
-    data_set = data[:, :-1]  # 假设最后一列是标签
+    data = np.loadtxt(file_path, delimiter="\t")
+    features = data[:, :-1]
     labels = data[:, -1].astype(int)
-    return data_set, labels
+    return features, labels
+
 
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改
     train_file = "datingTrainSet2.tsv"
     train_data, train_labels = load_data(train_file)
 
-    # 示例测试样本，确保维度与训练数据一致
+    # 测试一个样本
     test_sample = np.array([65915, 3.868359, 0.128078])
-    prediction = classify0(test_sample, train_data, train_labels)
-    print(f"预测的分类标签: {prediction}")
+    predicted_label = classify0(test_sample, train_data, train_labels)
+    print(f"The predicted label for the test sample is: {predicted_label}")
\ No newline at end of file