更新 function.py

function.py

@@ -1,5 +1,4 @@
 import numpy as np
-from collections import Counter
 
 """
 挑战说明:
@@ -21,14 +20,12 @@ from collections import Counter
 - numpy: 2.1.1
 """
 
-
 """
 请在这里填写学号和姓名，不填写即成绩无效。
 """
 id = "202210423126"
 name = "邓杰元"
 
-
 """
 参数说明:
 - inX (numpy array): 输入待分类的样本。
@@ -42,13 +39,13 @@ name = "邓杰元"
 def classify0(inX, dataSet, labels, k=20):
     """
     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，默认值为 20。
-    
+
     Returns:
     - int: 预测的分类标签。
     """
@@ -61,20 +58,33 @@ def classify0(inX, dataSet, labels, k=20):
     # 获取这 k 个样本的标签
     k_nearest_labels = labels[k_indices]
     
+    # 手动实现一个计数器，统计每个标签出现的次数
+    label_count = {}
+    for label in k_nearest_labels:
+        if label in label_count:
+            label_count[label] += 1
+        else:
+            label_count[label] = 1
+    
     # 找出出现次数最多的标签
-    most_common = Counter(k_nearest_labels).most_common(1)
+    max_count = -1
+    most_common_label = None
+    for label, count in label_count.items():
+        if count > max_count:
+            max_count = count
+            most_common_label = label
     
     # 返回出现次数最多的标签
-    return most_common[0][0]
+    return most_common_label
 
 
 def load_data(file_path):
     """
     加载 TSV 格式数据文件。
-    
+
     Args:
     - file_path (str): 数据文件路径。
-    
+
     Returns:
     - features (numpy array): 数据特征矩阵。
     - labels (numpy array): 数据对应的标签。
@@ -95,5 +105,4 @@ if __name__ == "__main__":
     test_data, test_labels = load_data(test_file)
 
     # 测试 classify0 函数
-    # 注意：这里只是演示，实际评测会使用独立的测试集
     print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))