更新 function.py

function.py

@@ -41,7 +41,7 @@ name = "唐一鸣"
 
 
 # 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=3):  # 设置默认 k 值为 3
+def classify(input_vector, dataSet, labels, k=3):
 
     """
     KNN 分类算法。
@@ -55,17 +55,15 @@ def classify(input_vector, dataSet, labels, k=3):  # 设置默认 k 值为 3
     Returns:
     - int: 预测的分类标签。
     """
-    # 计算输入样本与所有训练样本的欧式距离
+    # 计算欧氏距离
-    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    distances = np.sqrt(np.sum((dataSet - input_vector) ** 2, axis=1))
     
-    # 获取距离最近的 k 个样本的索引
+    # 按距离升序排序，并取前 k 个
-    nearest_indices = distances.argsort()[:k]
+    sorted_indices = np.argsort(distances)
+    top_k_labels = [labels[i] for i in sorted_indices[:k]]
 
-    # 获取这些样本的标签
+    # 统计前 k 个邻居的类别并选择出现最多的类别作为预测值
-    nearest_labels = [labels[i] for i in nearest_indices]
+    predicted_label = max(top_k_labels, key=top_k_labels.count)
-    
-    # 统计每个标签出现的频率，返回频率最高的标签
-    predicted_label = np.bincount(nearest_labels).argmax()
     
     return predicted_label
     
@@ -83,21 +81,21 @@ def load_dataset(directory):
     - np.array: 标签数据。
     """
     labels = []
-    data_list = []
+    file_list = os.listdir(directory)
+    num_files = len(file_list)
     
-    # 遍历文件夹中的文件
+    # 初始化数据矩阵，假设每个图像转化为 28x28=784 的向量
-    for filename in os.listdir(directory):
+    data_matrix = np.zeros((num_files, 784))
-        if filename.endswith(".txt"):
+    
-            # 提取文件名的首字符作为标签
+    for i, filename in enumerate(file_list):
-            label = int(filename[0])
+        # 提取文件名中的数字作为标签
+        label = int(filename.split('_')[0])
         labels.append(label)
         
-            # 将图像文件转换为向量并添加到数据集中
+        # 将文件转化为 1D 向量
-            filepath = os.path.join(directory, filename)
+        data_matrix[i, :] = img_to_vector(os.path.join(directory, filename))
-            vector = img_to_vector(filepath)
-            data_list.append(vector)
     
-    return np.array(data_list), np.array(labels)
+    return data_matrix, np.array(labels)
 
 # 这里还写自己的代码实现
 def img_to_vector(filename):
@@ -114,13 +112,13 @@ def img_to_vector(filename):
     - np.array: 二值图像向量。
     """
 
-    # 初始化一个784长度的向量
+   # 初始化一个 1D 向量
     vector = np.zeros((1, 784))
     
-    # 打开文件读取每一行的数据
+    with open(filename, 'r') as file:
-    with open(filename) as f:
+        for i in range(28):
-        for i, line in enumerate(f.readlines()):
+            line = file.readline()
-            for j in range(28):  # 假设每行有 28 个字符
+            for j in range(28):
                 vector[0, 28 * i + j] = int(line[j])
     
     return vector