更新 function.py

function.py

@@ -44,25 +44,28 @@ name = "董秋"
 
 def classify(input_vector, dataSet, labels, k=3):
     """
-    KNN 分类算法。
+    KNN 分类算法（使用马氏距离）。
 
     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，默认值为 3。
 
     Returns:
     - int: 预测的分类标签。
     """
-    """
-    使用欧式距离的 kNN 分类算法。
-    """
-     # 计算欧式距离
-    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    # 计算协方差矩阵及其逆矩阵
+    cov_matrix = np.cov(dataSet, rowvar=False)
+    inv_cov_matrix = np.linalg.inv(cov_matrix)
     
+    # 计算马氏距离
+    diffMat = dataSet - input_vector
+    left_term = np.dot(diffMat, inv_cov_matrix)
+    mahalanobis_distances = np.sqrt(np.sum(left_term * diffMat, axis=1))
+
     # 获取距离最近的 k 个样本的索引
-    k_indices = np.argsort(distances)[:k]
+    k_indices = np.argsort(mahalanobis_distances)[:k]
     
     # 获取最近邻样本的标签
     k_nearest_labels = [labels[i] for i in k_indices]