generated from LufsX/Challenge-kNN
110 lines
3.4 KiB
Python
110 lines
3.4 KiB
Python
# function.py
|
|
import numpy as np
|
|
from collections import Counter
|
|
from scipy.spatial import distance
|
|
from sklearn.preprocessing import StandardScaler
|
|
|
|
"""
|
|
挑战说明:
|
|
- 自行编写实现 KNN 分类算法。
|
|
- 输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
|
|
- 输出: 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:
|
|
- Ubuntu 22.04.04 LTS
|
|
- Python 3.10.12
|
|
"""
|
|
|
|
|
|
"""
|
|
请在这里填写学号和姓名，不填写即成绩无效。
|
|
"""
|
|
id = "202210423117"
|
|
name = "程悦"
|
|
|
|
|
|
"""
|
|
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=9):
|
|
"""
|
|
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。
|
|
"""
|
|
# 计算协方差矩阵并求逆矩阵
|
|
cov_matrix = np.cov(dataSet, rowvar=False)
|
|
inv_cov_matrix = np.linalg.inv(cov_matrix)
|
|
|
|
# 计算输入样本与训练集样本的马氏距离
|
|
distances = [distance.mahalanobis(inX, data_point, inv_cov_matrix) for data_point in dataSet]
|
|
|
|
# 按距离排序并选择前 k 个最近的邻居
|
|
k_indices = np.argsort(distances)[:k]
|
|
k_nearest_labels = [labels[i] for i in k_indices]
|
|
|
|
# 统计最近邻居中最多的标签
|
|
label_counts = Counter(k_nearest_labels)
|
|
most_common_label = label_counts.most_common(1)[0][0]
|
|
|
|
return most_common_label
|
|
|
|
|
|
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"
|
|
test_file = "datingTestSet2.tsv"
|
|
|
|
train_data, train_labels = load_data(train_file)
|
|
test_data, test_labels = load_data(test_file)
|
|
|
|
# # 特征缩放
|
|
# scaler = StandardScaler()
|
|
# train_data = scaler.fit_transform(train_data)
|
|
# test_data = scaler.transform(test_data)
|
|
|
|
# 测试 classify0 函数
|
|
test_sample = test_data[0] # 使用测试集中的第一个样本进行测试
|
|
predicted_label = classify0(test_sample, train_data, train_labels)
|
|
print(f"Predicted label: {predicted_label}, Actual label: {test_labels[0]}")
|
|
|
|
# 遍历整个测试集来评估分类器的性能
|
|
correct_count = 0
|
|
for i in range(len(test_data)):
|
|
predicted_label = classify0(test_data[i], train_data, train_labels)
|
|
if predicted_label == test_labels[i]:
|
|
correct_count += 1
|
|
accuracy = correct_count / len(test_data)
|
|
print(f"Accuracy: {accuracy * 100:.2f}%") |