更新 function.py

function.py

@@ -25,8 +25,8 @@ import os
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
-id = "202210423xxx"
-name = "test_name"
+id = "202210423218"
+name = "唐一鸣"
 
 
 """
@@ -41,7 +41,8 @@ name = "test_name"
 
 
 # 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=0):
+def classify(input_vector, dataSet, labels, k=3):  # 设置默认 k 值为 3
+
     """
     KNN 分类算法。
 
@@ -54,6 +55,19 @@ def classify(input_vector, dataSet, labels, k=0):
     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
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    
+    # 获取距离最近的 k 个样本的索引
+    nearest_indices = distances.argsort()[:k]
+    
+    # 获取这些样本的标签
+    nearest_labels = [labels[i] for i in nearest_indices]
+    
+    # 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
     
 
 # 这里也写自己的代码实现
@@ -68,10 +82,27 @@ def load_dataset(directory):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
+    labels = []
+    data_list = []
     
+    # 遍历文件夹中的文件
+    for filename in os.listdir(directory):
+        if filename.endswith(".txt"):
+            # 提取文件名的首字符作为标签
+            label = int(filename[0])
+            labels.append(label)
+            
+            # 将图像文件转换为向量并添加到数据集中
+            filepath = os.path.join(directory, filename)
+            vector = img_to_vector(filepath)
+            data_list.append(vector)
+    
+    return np.array(data_list), np.array(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。
@@ -83,6 +114,17 @@ def img_to_vector(filename):
     - np.array: 二值图像向量。
     """
 
+    # 初始化一个784长度的向量
+    vector = np.zeros((1, 784))
+    
+    # 打开文件读取每一行的数据
+    with open(filename) as f:
+        for i, line in enumerate(f.readlines()):
+            for j in range(28):  # 假设每行有 28 个字符
+                vector[0, 28 * i + j] = int(line[j])
+    
+    return vector
+
 
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改