generated from LufsX/Challenge-kNN
107 lines
3.4 KiB
Python
107 lines
3.4 KiB
Python
# function.py
|
|
import numpy as np
|
|
|
|
|
|
"""
|
|
挑战说明:
|
|
- 自行编写实现 KNN 分类算法。
|
|
- 函数输入: 待分类的样本 inX, 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:
|
|
- 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。
|
|
- 在 function.py 中实现 KNN 分类算法。
|
|
- 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
|
|
- 训练集在本目录下的 datingTrainSet2.tsv 中。
|
|
- 评测数据集在本目录下的 datingTestSet2.tsv 中。
|
|
|
|
挑战环境:
|
|
- 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 = "202210423213"
|
|
name = "熊浩燃"
|
|
|
|
|
|
"""
|
|
参数说明:
|
|
- 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**，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。
|
|
"""
|
|
|
|
def mahalanobis_distance(x1, x2, cov_inv):
|
|
"""
|
|
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。
|
|
|
|
Returns:
|
|
float: 两点之间的马氏距离。
|
|
"""
|
|
delta = x1 - x2
|
|
dist = np.dot(np.dot(delta, cov_inv), delta.T)
|
|
return dist
|
|
|
|
def classify0(inX, dataSet, labels, k=3):
|
|
"""
|
|
使用马氏距离的 KNN 分类算法。
|
|
|
|
Args:
|
|
- 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，默认值为 3。
|
|
|
|
Returns:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
# 计算训练数据集的协方差矩阵和均值，避免重复计算
|
|
cov_matrix = np.cov(dataSet, rowvar=False)
|
|
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
|
|
|
|
# 计算所有训练样本与待分类样本的马氏距离
|
|
distances = np.array([mahalanobis_distance(inX, x, cov_inv) for x in dataSet])
|
|
|
|
# 获取与待分类样本距离最近的 k 个样本的索引
|
|
nearest_indices = distances.argsort()[:k]
|
|
|
|
# 获取 k 个最近样本的标签
|
|
nearest_labels = [labels[i] for i in nearest_indices]
|
|
|
|
# 返回出现频率最高的标签作为预测结果
|
|
unique_labels, counts = np.unique(nearest_labels, return_counts=True)
|
|
return unique_labels[np.argmax(counts)]
|
|
|
|
|
|
def load_data(file_path):
|
|
"""
|
|
加载 TSV 格式数据文件。
|
|
"""
|
|
data = np.loadtxt(file_path, delimiter="\t")
|
|
features = data[:, :-1]
|
|
labels = data[:, -1].astype(int)
|
|
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)
|
|
|
|
# 测试一个样本
|
|
test_sample = np.array([65915, 3.868359, 0.128078])
|
|
predicted_label = classify0(test_sample, train_data, train_labels)
|
|
print(f"The predicted label for the test sample is: {predicted_label}") |