更新 function.py

function.py

@@ -1,25 +1,5 @@
 import numpy as np
-
-"""
-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
-"""
-
+from sklearn.preprocessing import MinMaxScaler
 
 """
 qin
@@ -27,18 +7,6 @@ qin
 id = "202210423206"
 name = "詹宇豪"
 
-
-"""
-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。
@@ -66,7 +34,6 @@ def classify0(inX, dataSet, labels, k=3):
 
     return predicted_label
 
-
 def load_data(file_path):
     """
     加载 TSV 格式数据文件。
@@ -74,6 +41,11 @@ def load_data(file_path):
     data = np.loadtxt(file_path, delimiter="\t")
     features = data[:, :-1]
     labels = data[:, -1].astype(int)
+    
+    # 数据归一化
+    scaler = MinMaxScaler()
+    features = scaler.fit_transform(features)
+    
     return features, labels