From f0837d4975e60e1ac97aff02f89fd6a9a0c1ad2c Mon Sep 17 00:00:00 2001
From: Xionghaoran <719929980@qq.com>
Date: Mon, 21 Oct 2024 18:53:17 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 71 +++++++++++++++++++++++++++++++++--------------------
 1 file changed, 44 insertions(+), 27 deletions(-)

diff --git a/function.py b/function.py
index 597f65f..98f5448 100644
--- a/function.py
+++ b/function.py
@@ -1,6 +1,7 @@
 # function.py
 import numpy as np
 import os
+from collections import defaultdict
 
 """
 实验说明:
@@ -43,31 +44,46 @@ 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。
+    KNN 分类算法优化版。
 
     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，默认值为 3。
 
     Returns:
     - int: 预测的分类标签。
     """
-    # 计算欧氏距离
-    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    # 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)
+    
     # 获取距离最近的 k 个样本的索引
-    nearest_neighbors_indices = distances.argsort()[:k]
+    nearest_neighbors_indices = np.argpartition(distances, k)[: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()
+    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
+    
     return predicted_label
-
 # 这里也写自己的代码实现
-def load_dataset(directory):
+def load_data(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**。
+    从文件夹中加载数据，优化后的版本。
 
     Args:
     - directory (str): 数据文件夹路径。
@@ -78,19 +94,23 @@ def load_dataset(directory):
     """
     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)
-    return np.array(data_list), np.array(labels)
+    
+    # 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
 
 # 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。
-    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，优化后的版本。
 
     Args:
     - filename (str): 图像文件路径。
@@ -98,18 +118,15 @@ def img_to_vector(filename):
     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])
+    with open(filename, 'r') as f:
+        lines = f.read().replace('\n', '')
+    vector = np.array(list(lines), dtype=int)
     return vector
 
 
 if __name__ == "__main__":
     # 测试代码
-    train_data, train_labels = load_dataset("trainingDigits")
+    train_data, train_labels = load_data("trainingDigits")
 
     test_data = (
         "00000000000000110000000000000000"