generated from LufsX/Experiment-kNN
311 lines
9.6 KiB
Python
311 lines
9.6 KiB
Python
# 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。
|
|
|
|
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，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)
|
|
|
|
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**。
|
|
|
|
Args:
|
|
- directory (str): 数据文件夹路径。
|
|
|
|
Returns:
|
|
- 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 = []
|
|
|
|
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)
|
|
|
|
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)
|
|
|
|
# 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。
|
|
|
|
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
|
|
|
|
if __name__ == "__main__":
|
|
# 以下代码可用于测试，可自行随意修改
|
|
train_data, train_labels = load_dataset("trainingDigits")
|
|
|
|
test_data = (
|
|
"00000000000000110000000000000000"
|
|
"00000000000011111000000000000000"
|
|
"00000000000011111100000000000000"
|
|
"00000000001111111110000000000000"
|
|
"00000000001111111110000000000000"
|
|
"00000000001111111100000000000000"
|
|
"00000000011111111000000000000000"
|
|
"00000000111111111000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111111111000000000000"
|
|
"00000001111111111111111000000000"
|
|
"00000001111111111111111100000000"
|
|
"00000011111111111111111110000000"
|
|
"00000011111111111111111110000000"
|
|
"00000001111111111111111110000000"
|
|
"00000001111111111111111110000000"
|
|
"00000000111111111100111111100000"
|
|
"00000000111111111000111111100000"
|
|
"00000000011111111001111111100000"
|
|
"00000000011111111111111111000000"
|
|
"00000000001111111111111111000000"
|
|
"00000000000111111111111111000000"
|
|
"00000000000011111111111100000000"
|
|
"00000000000001111111110000000000"
|
|
"00000000000000000111100000000000"
|
|
)
|
|
predicted_label = classify(
|
|
np.array([int(char) for char in test_data]).reshape(1, 1024),
|
|
train_data,
|
|
train_labels,
|
|
)
|
|
|
|
print(f"预测的标签: {predicted_label}")
|