更新 function.py

function.py

@@ -43,25 +43,44 @@ name = "熊浩燃"
 # 这里写自己的代码实现
 def classify(input_vector, dataSet, labels, k=1):
     """
-    KNN 分类算法。
+    KNN 分类算法，使用加权多数表决法。
 
     Args:
     - 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。
 
     Returns:
     - int: 预测的分类标签。
     """
     # 计算欧氏距离
     distances = np.linalg.norm(dataSet - input_vector, axis=1)
+
     # 获取距离最近的 k 个样本的索引
     nearest_neighbors_indices = distances.argsort()[:k]
+
     # 获取这些样本的标签
     nearest_labels = np.array(labels)[nearest_neighbors_indices]
-    # 统计出现次数最多的标签并返回
-    predicted_label = np.bincount(nearest_labels).argmax()
+    
+    # 获取这些样本的距离
+    nearest_distances = distances[nearest_neighbors_indices]
+    
+    # 防止除以零的情况，添加一个小常数epsilon
+    epsilon = 1e-5
+    weights = 1 / (nearest_distances + epsilon)  # 距离越小，权重越大
+    
+    # 对每个标签进行加权投票
+    label_weights = {}
+    for i in range(k):
+        label = nearest_labels[i]
+        if label not in label_weights:
+            label_weights[label] = 0
+        label_weights[label] += weights[i]
+    
+    # 返回加权得分最高的标签
+    predicted_label = max(label_weights, key=label_weights.get)
+
     return predicted_label
 
 # 这里也写自己的代码实现