generated from LufsX/Challenge-kNN
100 lines
3.1 KiB
Python
100 lines
3.1 KiB
Python
# function.py
|
|
import numpy as np
|
|
from scipy.spatial.distance import mahalanobis
|
|
"""
|
|
挑战说明:
|
|
- 自行编写实现 KNN 分类算法。
|
|
- 函数输入: 待分类的样本 inX, 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:
|
|
- 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。
|
|
- 在 function.py 中实现 KNN 分类算法。
|
|
- 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
|
|
- 训练集在本目录下的 datingTrainSet2.tsv 中。
|
|
- 评测数据集在本目录下的 datingTestSet2.tsv 中。
|
|
|
|
挑战环境:
|
|
- 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 = "202210423230"
|
|
name = "尹家立"
|
|
|
|
|
|
"""
|
|
参数说明:
|
|
- inX (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。
|
|
返回值:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
|
|
|
|
# 这里写自己的代码实现
|
|
def classify0(inX, dataSet, labels, k=3):
|
|
"""
|
|
KNN 分类算法。
|
|
|
|
Args:
|
|
- inX (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。
|
|
|
|
Returns:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
# Step 1: 计算协方差矩阵的逆矩阵
|
|
covMat = np.cov(dataSet, rowvar=False) # 计算协方差矩阵
|
|
invCovMat = np.linalg.inv(covMat) # 计算协方差矩阵的逆
|
|
|
|
# Step 2: 计算马氏距离
|
|
mahalanobisDist = np.array([
|
|
mahalanobis(inX, dataSet[i], invCovMat) for i in range(dataSet.shape[0])
|
|
]) # 使用 scipy 的 mahalanobis 函数计算马氏距离
|
|
|
|
# Step 3: 按距离排序，得到索引
|
|
sortedDistIndices = mahalanobisDist.argsort()
|
|
|
|
# Step 4: 选择距离最近的 k 个点的标签，并采用权重投票
|
|
classCount = {}
|
|
for i in range(k):
|
|
voteLabel = labels[sortedDistIndices[i]]
|
|
distance = mahalanobisDist[sortedDistIndices[i]]
|
|
weight = 1 / (distance + 1e-5) # 距离越小权重越大，防止除零
|
|
|
|
classCount[voteLabel] = classCount.get(voteLabel, 0) + weight
|
|
|
|
# Step 5: 按照加权后的类别得票数排序并返回得票最多的类别
|
|
sortedClassCount = sorted(classCount.items(), key=lambda item: item[1], reverse=True)
|
|
return sortedClassCount[0][0]
|
|
|
|
|
|
def load_data(file_path):
|
|
"""
|
|
加载 TSV 格式数据文件。
|
|
"""
|
|
data = np.loadtxt(file_path, delimiter="\t")
|
|
features = data[:, :-1]
|
|
labels = data[:, -1].astype(int)
|
|
return features, labels
|
|
|
|
|
|
if __name__ == "__main__":
|
|
# 以下代码可用于测试，可自行随意修改
|
|
|
|
train_file = "datingTrainSet2.tsv"
|
|
|
|
train_data, train_labels = load_data(train_file)
|
|
|
|
print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))
|