更新 function.py

function.py

@@ -42,18 +42,6 @@ name = "李燕如"
 
 # 这里写自己的代码实现
 def classify0(inX, dataSet, labels, k=5):
-    """
-    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。
-
-    Returns:
-    - int: 预测的分类标签。
-    """
     # 数据标准化
     dataSet = (dataSet - np.mean(dataSet, axis=0)) / np.std(dataSet, axis=0)
     inX = (inX - np.mean(dataSet, axis=0)) / np.std(dataSet, axis=0)
@@ -67,22 +55,16 @@ def classify0(inX, dataSet, labels, k=5):
     # 获取这些样本对应的标签
     k_nearest_labels = labels[k_indices]
     
-    # 统计每个类别出现的次数
-    count = {}
-    for label in k_nearest_labels:
-        if label in count.keys():
-            count[label] += 1
-        else:
-            count[label] = 1
+    # 权重分配（距离的倒数）
+    weights = 1 / distances[k_indices]
+    weights /= np.sum(weights)  # 归一化权重
     
-    # 找到出现次数最多的类别
-    sorted_count = sorted(count.items(), key=lambda x: x[1], reverse=True)
-    return sorted_count[0][0]
+    # 加权投票
+    prediction = np.argmax(np.bincount(k_nearest_labels, weights=weights))
+    
+    return prediction
 
 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)