更新 function.py

function.py

@@ -1,20 +1,22 @@
 import numpy as np
 import os
+from sklearn.preprocessing import StandardScaler
+
 
 """
 实验说明:
-- 自行编写实现数据加载与 kNN 的手写数字分类算法。
-- 函数输入: 待分类的样本 input_vector, 训练数据集 dataSet, 训练集对应的标签 labels。
+- 自行编写实现数据加载与kNN的手写数字分类算法。
+- 函数输入: 待分类的样本input_vector, 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:
-- 在 function.py 中实现 kNN 分类算法。
-- 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。
-- 自动评测脚本仅会加载 classify 和 load_data 函数，请勿修改函数名。
+- 在function.py中实现kNN分类算法。
+- 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。
+- 自动评测脚本仅会加载classify和load_data函数，请勿修改函数名。
 - 训练集和测试集需手动下载解压，并放入当前目录下。
 
 测评环境:
-- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
+- CPU: Intel Xeon(R) CPU E3 - 1231 v3 @ 3.40GHz
 - OS: Ubuntu 22.04.4 LTS
 - Python: 3.10.12
 - numpy: 2.1.1
@@ -28,34 +30,35 @@ id = "202210423117"
 name = "程悦"
 
 
-def classify(input_vector, dataSet, labels, k=2):
+def classify(input_vector, dataSet, labels, k = 2):
     """
-    KNN 分类算法。
+    KNN分类算法。
 
     Args:
     - input_vector (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，不修改默认值将**无法通过**评测，**成绩为零**。
+    - 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，不修改默认值将**无法通过**评测，**成绩为零**。
 
     Returns:
     - int: 预测的分类标签。
     """
-    sigma = 1.0
     dataSet_size = dataSet.shape[0]
-    # 计算欧氏距离
+    # 计算马氏距离
+    cov_matrix = np.cov(dataSet.T)
+    inv_cov_matrix = np.linalg.inv(cov_matrix)
     diff_mat = np.tile(input_vector, (dataSet_size, 1)) - dataSet
-    sq_diff_mat = diff_mat ** 2
-    sq_distances = sq_diff_mat.sum(axis = 1)
-    distances = np.sqrt(sq_distances)
+    distances = []
+    for i in range(dataSet_size):
+        distance = np.sqrt(np.dot(np.dot(diff_mat[i], inv_cov_matrix), diff_mat[i].T))
+        distances.append(distance)
+    distances = np.array(distances)
     # 对距离进行排序
     sorted_indices = distances.argsort()
     class_count = {}
     for i in range(k):
         vote_label = labels[sorted_indices[i]]
-        # 计算权重，这里使用高斯核函数
-        weight = np.exp(- sq_distances[sorted_indices[i]] / (2 * sigma ** 2))
-        class_count[vote_label] = class_count.get(vote_label, 0)+ weight
+        class_count[vote_label] = class_count.get(vote_label, 0) + 1
     sorted_class_count = sorted(class_count.items(), key = lambda x: x[1], reverse = True)
     return sorted_class_count[0][0]
 
@@ -63,7 +66,7 @@ def classify(input_vector, dataSet, labels, k=2):
 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。
+    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。
 
     Args:
     - filename (str): 图像文件路径。
@@ -99,11 +102,13 @@ def load_dataset(directory):
                 label = int(file.split('_')[0])
                 labels.append(label)
                 data_set.append(img_to_vector(os.path.join(root, file)))
-    return np.array(data_set).reshape(len(data_set), -1), np.array(labels)
+    data_set = np.array(data_set).reshape(len(data_set), - 1)
+    scaler = StandardScaler()
+    data_set = scaler.fit_transform(data_set)
+    return data_set, np.array(labels)
 
 
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
     train_data, train_labels = load_dataset("trainingDigits")
 
     test_data = (