From f2d00d37b0b145370f4d89392b233fac3c06d423 Mon Sep 17 00:00:00 2001 From: lxh66 <2157435768@qq.com> Date: Wed, 16 Oct 2024 23:18:06 +0800 Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- function.py | 249 ++++++---------------------------------------------- 1 file changed, 27 insertions(+), 222 deletions(-) diff --git a/function.py b/function.py index dc0508f..58c8c64 100644 --- a/function.py +++ b/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}") \ No newline at end of file