更新 function.py

function.py

@@ -1,104 +1,9 @@
-# function.py
 import numpy as np
 import os
 
-"""
-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 = "202210423114"
 name = "龙鑫辉"
 
-
-"""
-参数说明:
-- 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**。
-返回值:
-- int: 预测的分类标签。
-"""
-
-
-# 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=0):
-    """
-    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。
-    """
-import numpy as np
-
-def validate_inputs(input_vector, dataSet, labels, k):
-    """
-    验证输入参数的有效性。
-    """
-    if not isinstance(input_vector, np.ndarray) or input_vector.ndim != 1:
-        raise ValueError("input_vector 必须是一维 numpy 数组")
-    
-    if not isinstance(dataSet, np.ndarray) or dataSet.ndim != 2:
-        raise ValueError("dataSet 必须是二维 numpy 数组")
-    
-    if not isinstance(labels, (list, np.ndarray)):
-        raise ValueError("labels 必须是列表或一维 numpy 数组")
-    
-    if len(dataSet) != len(labels):
-        raise ValueError("dataSet 和 labels 的长度必须相同")
-    
-    if not isinstance(k, int) or k <= 0:
-        raise ValueError("k 必须是正整数")
-
-def calculate_distances(input_vector, dataSet):
-    """
-    计算输入向量与数据集中每个样本的距离。
-    """
-    distances = np.linalg.norm(dataSet - input_vector, axis=1)
-    return distances
-
-def get_k_nearest_labels(distances, labels, k):
-    """
-    获取最近的 k 个邻居的标签。
-    """
-    k_nearest_indices = np.argsort(distances)[:k]
-    k_nearest_labels = labels[k_nearest_indices]
-    return k_nearest_labels
-
-def majority_vote(k_nearest_labels):
-    """
-    投票决定最频繁出现的标签。
-    """
-    from collections import Counter
-    label_counts = Counter(k_nearest_labels)
-    most_common_label = label_counts.most_common(1)[0][0]
-    return most_common_label
-
 def classify(input_vector, dataSet, labels, k=3):
     """
     KNN 分类算法。
@@ -107,27 +12,21 @@ def classify(input_vector, dataSet, labels, k=3):
     - 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，默认值为 3。
+    - k (int): kNN 算法参数，默认值为3。
 
     Returns:
     - int: 预测的分类标签。
     """
-    # 验证输入参数
-    validate_inputs(input_vector, dataSet, labels, k)
-    
-    # 计算距离
-    distances = calculate_distances(input_vector, dataSet)
-    
-    # 获取最近的 k 个邻居的标签
-    k_nearest_labels = get_k_nearest_labels(distances, labels, k)
-    
-    # 投票决定最频繁出现的标签
-    predicted_label = majority_vote(k_nearest_labels)
-    
+    # 计算欧氏距离
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)
+    # 获取距离最近的k个样本的索引
+    nearest_indices = distances.argsort()[:k]
+    # 获取这k个样本对应的标签
+    nearest_labels = labels[nearest_indices]
+    # 统计出现最多的标签
+    predicted_label = np.bincount(nearest_labels).argmax()
     return predicted_label
 
-
-# 这里也写自己的代码实现
 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**。
@@ -139,67 +38,22 @@ def load_dataset(directory):
     - np.array: 特征数据。
     - np.array: 标签数据。
     """
-import os
-import numpy as np
-
-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。
-    """
-    # 规范化路径
-    directory = os.path.abspath(os.path.realpath(directory))
-    
-    # 检查路径是否为目录
-    if not os.path.isdir(directory):
-        raise ValueError(f"指定的路径 {directory} 不是一个有效的目录")
-    
-    features = []
     labels = []
+    file_list = os.listdir(directory)
+    dataSet = np.zeros((len(file_list), 1024))
     
-    try:
-        # 遍历目录中的文件
-        for filename in os.listdir(directory):
-            file_path = os.path.join(directory, filename)
-            
-            # 检查文件是否为预期的格式
-            if not filename.endswith('.npy'):
-                continue
-            
-            # 读取文件
-            data = np.load(file_path)
-            
-            # 假设每个文件包含一个特征数组和一个标签
-            feature = data[0]
-            label = data[1]
-            
-            features.append(feature)
-            labels.append(label)
+    for i, filename in enumerate(file_list):
+        # 获取文件的标签，假设标签是文件名的第一个字符
+        label = int(filename.split('_')[0])
+        labels.append(label)
+        # 将图像转换为向量
+        dataSet[i, :] = img_to_vector(os.path.join(directory, filename))
     
-    except FileNotFoundError:
-        raise FileNotFoundError(f"指定的目录 {directory} 不存在")
-    except PermissionError:
-        raise PermissionError(f"没有权限访问目录 {directory}")
-    except Exception as e:
-        raise RuntimeError(f"读取文件时发生错误: {e}")
-    
-    # 处理空目录的情况
-    if not features:
-        return np.array([]), np.array([])
-    
-    return np.array(features), np.array(labels)
+    return dataSet, np.array(labels)
 
-# 这里还写自己的代码实现
 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。
@@ -207,66 +61,17 @@ def img_to_vector(filename):
     Returns:
     - np.array: 二值图像向量。
     """
-import numpy as np
-from PIL import Image
-import os
-
-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。
-    """
-    try:
-        # 路径规范化
-        filename = os.path.abspath(filename)
-        
-        # 验证文件是否存在
-        if not os.path.isfile(filename):
-            raise FileNotFoundError(f"文件 {filename} 不存在")
-        
-        # 验证文件是否为有效的图像文件
-        with Image.open(filename) as img:
-            if img.format not in ['PNG', 'JPEG', 'BMP']:
-                raise ValueError(f"文件 {filename} 不是有效的图像文件")
-            
-            # 转换为灰度图像
-            img = img.convert('L')
-            
-            # 转换为二值图像
-            img = img.point(lambda p: p > 128 and 1 or 0, mode='1')
-            
-            # 获取图像尺寸
-            width, height = img.size
-            
-            # 检查图像是否为空或尺寸为零
-            if width == 0 or height == 0:
-                raise ValueError(f"图像 {filename} 尺寸为零")
-            
-            # 将图像转换为向量
-            vector = np.array(img).flatten()
-            
-            return vector
-    
-    except FileNotFoundError as e:
-        print(f"错误: {e}")
-        return None
-    except ValueError as e:
-        print(f"错误: {e}")
-        return None
-    except Exception as e:
-        print(f"未知错误: {e}")
-        return None
+    img_vector = np.zeros((1, 1024))
+    with open(filename, 'r') as f:
+        for i in range(32):  # 32x32图像
+            line = f.readline()
+            for j in range(32):
+                img_vector[0, 32 * i + j] = int(line[j])
+    return img_vector
 
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
+    # 测试
     train_data, train_labels = load_dataset("trainingDigits")
-
     test_data = (
         "00000000000000110000000000000000"
         "00000000000011111000000000000000"
@@ -307,4 +112,4 @@ if __name__ == "__main__":
         train_labels,
     )
 
-    print(f"预测的标签: {predicted_label}")
+    print(f"预测的标签: {predicted_label}")