Experiment-kNN/README.md

实验一：kNN 算法

实验说明

• 自行在 function.py 中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。

所有成功上传的评测结果均会被记录，但不会公开展示。

评测次数不限，最终评测成绩取最高分。

注意事项

实验开始前必须在 function.py 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 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。
• 需要在 function.py 中实现完整的 kNN 分类算法。
• 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。
• 评测的运行时间受机器性能影响，运行时间仅供参考。
• 若有评测相关问题，请在项目工单处提出，或联系 QQ: 1968647927。

代码提交后会进行自动评测，评测所用的环境如下：

• CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
• OS: Ubuntu 22.04.4 LTS
• Python: 3.10.12
• numpy: 2.1.1

实验操作

本次实验因数据文件较多，故仓库内不自带数据集，本地调试时需自行下载数据集。

• 二值手写数字数据集.zip
• 二值手写数字数据集.tar.gz

以上两文件解压内容相同，解压后得到 trainDigits 和 testDigits 文件夹，分别存放训练集和测试集。

本次实验强烈建议将代码克隆/下载到本地进行实验调试。

---

提交评测简要说明同挑战赛的说明，这里不再赘述。