更新 function.py

function.py

@@ -1,59 +1,65 @@
 # function.py
 import numpy as np
-
+import os
-"""
-挑战说明:
-- 自行编写实现 KNN 分类算法。
-- 函数输入: 待分类的样本 inX, 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:
-- 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:
-- 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 = "202210423102"
-name = "test_周佳成"
+name = "周佳成"
 
+import numpy as np
 
-"""
+def mahalanobis_distance(x1, x2, cov_inv, mean):
-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。
-- 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**。
-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=0):
     """
-    KNN 分类算法。
+    计算两点之间的马氏距离。
+    
+    Args:
+    x1 (numpy array): 第一个点。
+    x2 (numpy array): 第二个点。
+    cov_inv (numpy array): 协方差矩阵的逆矩阵。
+    mean (numpy array): 数据集的均值。
+    
+    Returns:
+    float: 两点之间的马氏距离。
+    """
+    delta = x1 - x2
+    dist = delta @ cov_inv @ delta.T
+    return np.sqrt(dist)
+
+def classify0(inX, dataSet, labels, k=3):
+    """
+    使用马氏距离的 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，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。
     """
+    # 计算训练数据集的协方差矩阵和均值
+    cov_matrix = np.cov(dataSet, rowvar=False)
+    mean = np.mean(dataSet, axis=0)
+    cov_inv = np.linalg.inv(cov_matrix + np.eye(cov_matrix.shape[0]) * 1e-5)  # 加上一个小的单位矩阵以避免奇异矩阵
+    
+    # 计算待分类样本与训练集中每个样本的马氏距离
+    distances = np.array([mahalanobis_distance(inX, x, cov_inv, mean) for x in dataSet])
+    
+    # 获取距离最近的 k 个样本的索引
+    sortedDistIndices = distances.argsort()[:k]
+    
+    # 获取这些样本对应的标签
+    classCount = {}
+    for i in sortedDistIndices:
+        voteLabel = labels[i]
+        classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
+    
+    # 选择出现次数最多的标签作为预测标签
+    sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
+    return sortedClassCount[0][0]
 
 
 def load_data(file_path):
@@ -68,9 +74,10 @@ def load_data(file_path):
 
 if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改
-
     train_file = "datingTrainSet2.tsv"
-
     train_data, train_labels = load_data(train_file)
 
-    print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))
+    # 测试一个样本
+    test_sample = np.array([65915, 3.868359, 0.128078])
+    predicted_label = classify0(test_sample, train_data, train_labels)
+    print(f"The predicted label for the test sample is: {predicted_label}")