generated from LufsX/Experiment-kNN
169 lines
5.5 KiB
Python
169 lines
5.5 KiB
Python
# function.py
|
|
import numpy as np
|
|
import os
|
|
from collections import defaultdict
|
|
|
|
"""
|
|
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。
|
|
|
|
注意事项:
|
|
- 在 function.py 中实现 kNN 分类算法。
|
|
- 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。
|
|
- 自动评测脚本仅会加载 classify 和 load_data 函数，请勿修改函数名。
|
|
- 训练集和测试集需手动下载解压，并放入当前目录下。
|
|
|
|
测评环境:
|
|
- 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:
|
|
- 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。
|
|
"""
|
|
|
|
|
|
# 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。
|
|
|
|
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。
|
|
|
|
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)
|
|
|
|
# 获取距离最近的 k 个样本的索引
|
|
nearest_neighbors_indices = np.argpartition(distances, k)[: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
|
|
|
|
return predicted_label
|
|
# 这里也写自己的代码实现
|
|
def load_data(directory):
|
|
"""
|
|
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。
|
|
|
|
Returns:
|
|
- np.array: 特征数据。
|
|
- np.array: 标签数据。
|
|
"""
|
|
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
|
|
|
|
# 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。
|
|
|
|
Args:
|
|
- filename (str): 图像文件路径。
|
|
|
|
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)
|
|
return vector
|
|
|
|
|
|
if __name__ == "__main__":
|
|
# 测试代码
|
|
train_data, train_labels = load_data("trainingDigits")
|
|
|
|
test_data = (
|
|
"00000000000000110000000000000000"
|
|
"00000000000011111000000000000000"
|
|
"00000000000011111100000000000000"
|
|
"00000000001111111110000000000000"
|
|
"00000000001111111110000000000000"
|
|
"00000000001111111100000000000000"
|
|
"00000000011111111000000000000000"
|
|
"00000000111111111000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111111111000000000000"
|
|
"00000001111111111111111000000000"
|
|
"00000001111111111111111100000000"
|
|
"00000011111111111111111110000000"
|
|
"00000011111111111111111110000000"
|
|
"00000001111111111111111110000000"
|
|
"00000001111111111111111110000000"
|
|
"00000000111111111100111111100000"
|
|
"00000000111111111000111111100000"
|
|
"00000000011111111001111111100000"
|
|
"00000000011111111111111111000000"
|
|
"00000000001111111111111111000000"
|
|
"00000000000111111111111111000000"
|
|
"00000000000011111111111100000000"
|
|
"00000000000001111111110000000000"
|
|
"00000000000000000111100000000000"
|
|
)
|
|
|
|
test_vector = np.array([int(char) for char in test_data]).reshape(1, 1024)
|
|
|
|
predicted_label = classify(test_vector, train_data, train_labels)
|
|
print(f"预测的标签: {predicted_label}") |