From 7911f5d79262664494069389d8588efbf004201b Mon Sep 17 00:00:00 2001 From: lzh <202210423221@qq.com> Date: Thu, 17 Oct 2024 00:09:30 +0800 Subject: [PATCH] 222 --- function.py | 164 ++++++++++++++++++---------------------------------- 1 file changed, 57 insertions(+), 107 deletions(-) diff --git a/function.py b/function.py index 8d5f975..0f9ccc4 100644 --- a/function.py +++ b/function.py @@ -41,123 +41,79 @@ name = "廖子豪" # 这里写自己的代码实现 -def classify(input_vector, dataSet, labels, k_values=[1,31]): - """ - KNN 加权投票分类算法，针对多个k值进行预测，并选出不同k值下得票最多的类别。 +import numpy as np +import os +from collections import Counter +def img_to_vector(filename): + """ + 将二值图像转换为向量。 + 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_values (list of int): 多个kNN 算法的k值列表。 - + - filename (str): 图像文件路径。 + Returns: - - int: 预测的分类标签（基于多个k值投票的结果）。 + - np.array: 二值图像向量。 """ - num_samples = dataSet.shape[0] # 读取样本数量 + with open(filename, 'r') as file: + return np.array([int(char) for line in file for char in line.strip()]) - # step 1: 计算欧式距离 - diff = np.tile(input_vector, (num_samples, 1)) - dataSet # 元素逐个相减 - squared_diff = diff ** 2 # 平方 - squared_dist = np.sum(squared_diff, axis=1) # 按行求和 - distance = squared_dist ** 0.5 # 计算欧式距离 - - # step 2: 对距离进行排序，返回排序后的索引 - sorted_dist_indices = np.argsort(distance) - - # 保存每个k值对应的预测结果 - vote_results = [] - - for k in k_values: - class_count = {} # 定义一个空字典 - - for i in range(k): - # step 3: 选择距离最小的k个样本 - vote_label = labels[sorted_dist_indices[i]] - dist = distance[sorted_dist_indices[i]] - - # step 4: 使用距离倒数作为权重（避免除0，设置一个最小距离） - weight = 1 / (dist + 1e-5) # 添加一个小常数避免除以0 - - # step 5: 进行加权投票 - class_count[vote_label] = class_count.get(vote_label, 0) + weight - - # step 6: 找到加权后得票最多的类别作为该k值的预测结果 - max_vote = max(class_count, key=class_count.get) - vote_results.append(max_vote) - - # step 7: 对所有k值的预测结果进行投票，统计出现次数最多的标签 - final_vote_count = {} - for result in vote_results: - final_vote_count[result] = final_vote_count.get(result, 0) + 1 - - # step 8: 返回得票最多的类别作为最终分类结果 - final_result = max(final_vote_count, key=final_vote_count.get) - return final_result - - -# 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**。 - + 从文件夹中加载数据。 + Args: - directory (str): 数据文件夹路径。 - + Returns: - np.array: 特征数据。 - np.array: 标签数据。 """ - """ - 从文件夹中加载数据。 - - Args: - - directory (str): 数据文件夹路径。 - - Returns: - - np.array: 特征数据。 - - np.array: 标签数据。 - """ + features = [] labels = [] - file_list = os.listdir(directory) - num_samples = len(file_list) - dataset = np.zeros((num_samples, 1024)) + for label_dir in os.listdir(directory): + label_dir_path = os.path.join(directory, str(label_dir)) + if os.path.isdir(label_dir_path): + for filename in os.listdir(label_dir_path): + file_path = os.path.join(label_dir_path, filename) + image_vector = img_to_vector(file_path) + features.append(image_vector) + labels.append(int(label_dir)) + return np.array(features), np.array(labels) - for i, filename in enumerate(file_list): - label = int(filename.split("_")[0]) # 从文件名中提取标签 - labels.append(label) - dataset[i, :] = img_to_vector(os.path.join(directory, filename)) - - return dataset, np.array(labels) - -# 这里还写自己的代码实现 -def img_to_vector(filename): +def classify(input_vector, dataSet, labels, k=3): """ - 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。 - + KNN 分类算法。 + Args: - - filename (str): 图像文件路径。 - + - 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: - - np.array: 二值图像向量。 + - int: 预测的分类标签。 """ - rows = 32 - columns = 32 - img_vector = np.zeros((1, rows * columns)) - file_in = open(filename) - for row in range(rows): - line_str = file_in.readline() - for col in range(columns): - img_vector[0, row * 32 + col] = int(line_str[col]) - - return img_vector + distances = np.sqrt(np.sum((input_vector - dataSet) ** 2, axis=1)) + k_indices = np.argsort(distances)[:k] + k_nearest_labels = labels[k_indices] + label_count = Counter(k_nearest_labels) + return label_count.most_common(1)[0][0] 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 = ( + train_dir = "trainingDigits" # 训练集目录 + test_dir = "testDigits" # 测试集目录 + + train_data, train_labels = load_dataset(train_dir) + test_data, test_labels = load_dataset(test_dir) + + print("训练集特征形状：", train_data.shape) + print("训练集标签形状：", train_labels.shape) + print("测试集特征形状：", test_data.shape) + print("测试集标签形状：", test_labels.shape) + + # 测试 classify 函数 + test_data_vector = np.array([int(char) for char in ( "00000000000000110000000000000000" "00000000000011111000000000000000" "00000000000011111100000000000000" @@ -176,9 +132,8 @@ if __name__ == "__main__": "00000001111111100000000000000000" "00000001111111111111000000000000" "00000001111111111111111000000000" - "00000001111111111111111100000000" - "00000011111111111111111110000000" - "00000011111111111111111110000000" + "00000011111111111111111100000000" + "00000011111111111111111100000000" "00000001111111111111111110000000" "00000001111111111111111110000000" "00000000111111111100111111100000" @@ -190,11 +145,6 @@ if __name__ == "__main__": "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}") + )]).reshape(1, 1024) + predicted_label = classify(test_data_vector, train_data, train_labels) + print(f"预测的标签: {predicted_label}") \ No newline at end of file