generated from LufsX/Experiment-kNN
120 lines
3.9 KiB
Python
120 lines
3.9 KiB
Python
import numpy as np
|
|
import os
|
|
from scipy.spatial import KDTree
|
|
|
|
"""
|
|
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。
|
|
- 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。
|
|
- 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
|
|
- OS: Ubuntu 22.04.4 LTS
|
|
- Python: 3.10.12
|
|
- numpy: 2.1.1
|
|
"""
|
|
|
|
|
|
"""
|
|
请在这里填写学号和姓名，不填写即成绩无效。
|
|
"""
|
|
id = "202210423117"
|
|
name = "程悦"
|
|
|
|
|
|
def classify(input_vector, dataSet, labels, k=5):
|
|
"""
|
|
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**。
|
|
|
|
Returns:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
kdtree = KDTree(dataSet)
|
|
distances, indices = kdtree.query(input_vector, k=k)
|
|
k_nearest_labels = [labels[i] for i in indices]
|
|
unique_labels, counts = np.unique(k_nearest_labels, return_counts=True)
|
|
return unique_labels[np.argmax(counts)]
|
|
|
|
|
|
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。
|
|
|
|
Args:
|
|
- filename (str): 图像文件路径。
|
|
|
|
Returns:
|
|
- np.array: 二值图像向量。
|
|
"""
|
|
with open(filename, 'r') as f:
|
|
lines = f.readlines()
|
|
return np.array([int(char) for line in lines for char in line.strip()])
|
|
|
|
|
|
def load_dataset(directory):
|
|
"""
|
|
从文件夹中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。
|
|
|
|
Args:
|
|
- directory (str): 数据文件夹路径。
|
|
|
|
Returns:
|
|
- np.array: 特征数据。
|
|
- np.array: 标签数据。
|
|
"""
|
|
data = []
|
|
labels = []
|
|
for filename in os.listdir(directory):
|
|
if filename.endswith(".txt"):
|
|
label = int(filename[0])
|
|
vector = img_to_vector(os.path.join(directory, filename))
|
|
data.append(vector)
|
|
labels.append(label)
|
|
return np.array(data), np.array(labels)
|
|
|
|
def load_test_dataset(directory):
|
|
return load_dataset(directory)
|
|
|
|
def calculate_accuracy():
|
|
train_data, train_labels = load_dataset("trainingDigits")
|
|
test_data, test_labels = load_test_dataset("testDigits")
|
|
correct_count = 0
|
|
for i in range(len(test_data)):
|
|
predicted_label = classify(test_data[i].reshape(1, 1024), train_data, train_labels)
|
|
if predicted_label == test_labels[i]:
|
|
correct_count += 1
|
|
accuracy = correct_count / len(test_data)
|
|
print(f"分类精度: {accuracy}")
|
|
|
|
def test_different_k():
|
|
train_data, train_labels = load_dataset("trainingDigits")
|
|
test_data, test_labels = load_test_dataset("testDigits")
|
|
k_values = [1, 3, 5, 7, 9]
|
|
for k in k_values:
|
|
correct_count = 0
|
|
for i in range(len(test_data)):
|
|
predicted_label = classify(test_data[i].reshape(1, 1024), train_data, train_labels, k=k)
|
|
if predicted_label == test_labels[i]:
|
|
correct_count += 1
|
|
accuracy = correct_count / len(test_data)
|
|
print(f"k = {k}时的分类精度: {accuracy}")
|
|
|
|
if __name__ == "__main__":
|
|
# 测试不同k值的分类精度
|
|
test_different_k()
|
|
# 计算分类精度
|
|
calculate_accuracy() |