更新 function.py

function.py

@@ -1,7 +1,6 @@
 # function.py
 import numpy as np
 import os
-from collections import defaultdict
 
 """
 实验说明:
@@ -44,46 +43,31 @@ name = "熊浩燃"
 # 这里写自己的代码实现
 def classify(input_vector, dataSet, labels, k=3):
     """
-    KNN 分类算法优化版。
+    KNN 分类算法。
 
     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，默认值为 3。
+    - 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**。
 
     Returns:
     - int: 预测的分类标签。
     """
-    # 使用高效的向量化操作计算距离（欧氏距离）
-    # 为了加速，可以使用平方距离避免开方操作，因为排序不受影响
-    distances = np.sum((dataSet - input_vector) ** 2, axis=1)
-    
+    # 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 = np.argpartition(distances, k)[:k]
-    
+    nearest_neighbors_indices = distances.argsort()[:k]
     # 获取这些样本的标签
-    nearest_labels = labels[nearest_neighbors_indices]
-    
-    # 使用字典统计每个标签的出现次数，避免 np.bincount 的限制（例如标签不是非负整数）
-    label_count = defaultdict(int)
-    for label in nearest_labels:
-        label_count[label] += 1
-    
-    # 找到出现次数最多的标签
-    # 如果有多个标签出现次数相同，选择距离最近的那个
-    max_count = -1
-    predicted_label = None
-    for label in nearest_labels:
-        if label_count[label] > max_count:
-            max_count = label_count[label]
-            predicted_label = label
-    
+    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()
     return predicted_label
+
 # 这里也写自己的代码实现
-def load_data(directory):
+def load_dataset(directory):
     """
-    从文件夹中加载数据，优化后的版本。
+    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**。
 
     Args:
     - directory (str): 数据文件夹路径。
@@ -94,23 +78,19 @@ def load_data(directory):
     """
     labels = []
     data_list = []
-    
-    # 预分配内存以加速
-    filenames = [filename for filename in os.listdir(directory) if filename.endswith(".txt")]
-    num_files = len(filenames)
-    data_list = np.zeros((num_files, 1024), dtype=int)
-    labels = np.zeros(num_files, dtype=int)
-    
-    for idx, filename in enumerate(filenames):
-        labels[idx] = int(filename.split('_')[0])
-        data_list[idx] = img_to_vector(os.path.join(directory, filename))
-    
-    return data_list, labels
+    for filename in os.listdir(directory):
+        if filename.endswith(".txt"):  # 确保读取的是 txt 文件
+            label = int(filename.split('_')[0])
+            labels.append(label)
+            vector = img_to_vector(os.path.join(directory, filename))
+            data_list.append(vector)
+    return np.array(data_list), 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，优化后的版本。
+    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。
@@ -118,15 +98,18 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
-    with open(filename, 'r') as f:
-        lines = f.read().replace('\n', '')
-    vector = np.array(list(lines), dtype=int)
+    with open(filename, 'r') as f:  # 确保使用文本模式读取
+        lines = f.readlines()
+    vector = np.zeros((1024,), dtype=int)  # 将其改为 (1024,) 的一维数组
+    for i in range(32):
+        for j in range(32):
+            vector[32 * i + j] = int(lines[i][j])
     return vector
 
 
 if __name__ == "__main__":
     # 测试代码
-    train_data, train_labels = load_data("trainingDigits")
+    train_data, train_labels = load_dataset("trainingDigits")
 
     test_data = (
         "00000000000000110000000000000000"