更新 function.py

function.py

@@ -1,120 +1,120 @@
 import numpy as np
 import os
-from sklearn.preprocessing import StandardScaler
 from sklearn.neighbors import KDTree
 
 """
+实验说明:
+
+- 自行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。
+
 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:
-- 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。
-返回值:
-- int: 预测的分类标签。
-"""
 
-
-def classify(input_vector, dataSet, labels, k=1, distance_metric='euclidean', weighted=True):
+def classify(input_vector, dataSet, labels, k=1, distance_metric='euclidean', weighted=False):
     """
-    KNN 分类算法.
-    
+    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 k=1。
-    - distance_metric (str): 距离度量方法，默认欧氏距离。
-    - weighted (bool): 是否使用加权投票机制，默认加权。
-    
+    - k (int): kNN 算法参数，默认值为1。
+    - distance_metric (str): 距离度量方式，支持'euclidean'和'manhattan'。
+    - weighted (bool): 是否使用加权投票。
+
     Returns:
     - int: 预测的分类标签。
     """
-    
+    # 选择距离度量
     if distance_metric == 'euclidean':
-        # 欧氏距离
         distances = np.linalg.norm(dataSet - input_vector, axis=1)
     elif distance_metric == 'manhattan':
-        # 曼哈顿距离
         distances = np.sum(np.abs(dataSet - input_vector), axis=1)
-
-    # 使用KD树加速最近邻查找
-    tree = KDTree(dataSet)
-    dist, indices = tree.query(input_vector.reshape(1, -1), k=k)
-    
-    nearest_labels = np.array(labels)[indices[0]]
-    
-    if weighted:
-        # 使用距离的倒数作为权重
-        weights = 1 / (dist[0] + 1e-5)  
-        label_weights = {}
-        
-        for i, label in enumerate(nearest_labels):
-            label_weights[label] = label_weights.get(label, 0) + weights[i]
-        
-        # 返回加权得分最高的标签
-        predicted_label = max(label_weights, key=label_weights.get)
     else:
-        # 直接使用多数投票
+        raise ValueError(f"Unsupported distance metric: {distance_metric}")
+
+    # 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]
+
+    if weighted:
+        # 使用加权投票：距离越近，权重越大
+        nearest_distances = distances[nearest_neighbors_indices]
+        weights = 1 / (nearest_distances + 1e-5)  # 防止距离为0
+        weighted_vote = np.bincount(nearest_labels, weights=weights)
+        predicted_label = weighted_vote.argmax()
+    else:
         predicted_label = np.bincount(nearest_labels).argmax()
 
     return predicted_label
 
 
+def classify_with_kdtree(input_vector, dataSet, labels, k=1):
+    """
+    使用 KD-tree 进行加速的 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1。
+
+    Returns:
+    - int: 预测的分类标签。
+    """
+    tree = KDTree(dataSet)  # 构建 KD-tree
+    dist, indices = tree.query(input_vector.reshape(1, -1), k=k)  # 查询最近邻
+    nearest_labels = np.array(labels)[indices[0]]
+    predicted_label = np.bincount(nearest_labels).argmax()
+    return predicted_label
+
+
 def load_dataset(directory):
     """
     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。
-    
+
     Returns:
-    - np.array: 标准化后的特征数据。
+    - np.array: 特征数据。
     - np.array: 标签数据。
     """
     labels = []
     data_list = []
-    
     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)
-    
-    data_array = np.array(data_list)
-    
-    # 标准化数据
-    scaler = StandardScaler()
-    scaled_data = scaler.fit_transform(data_array)
-    
-    return scaled_data, np.array(labels)
+    return np.array(data_list), np.array(labels)
 
 
 def img_to_vector(filename):
     """
-    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。
-    
+    将二值图像转换为向量。
     Args:
     - filename (str): 图像文件路径。
-    
+
     Returns:
     - np.array: 二值图像向量。
     """
     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
 
 
@@ -156,8 +156,13 @@ if __name__ == "__main__":
         "00000000000001111111110000000000"
         "00000000000000000111100000000000"
     )
-    
+
     test_vector = np.array([int(char) for char in test_data]).reshape(1, 1024)
-    
+
+    # 使用默认的欧氏距离和不加权的投票机制
     predicted_label = classify(test_vector, train_data, train_labels)
-    print(f"预测的标签: {predicted_label}")
+    print(f"预测的标签（普通分类）: {predicted_label}")
+
+    # 使用 KD-tree 进行加速的分类
+    predicted_label_kdtree = classify_with_kdtree(test_vector, train_data, train_labels)
+    print(f"预测的标签（KD-tree 加速）: {predicted_label_kdtree}")