generated from LufsX/Experiment-kNN
217 lines
6.8 KiB
Python
217 lines
6.8 KiB
Python
# function.py
|
|
import numpy as np
|
|
from collections import Counter
|
|
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 = "202210423xxx"
|
|
name = "test_name"
|
|
|
|
|
|
"""
|
|
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=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。
|
|
"""
|
|
# 计算输入向量与数据集中每个向量之间的欧几里得距离
|
|
distances = np.sqrt(np.sum((input_vector - dataSet) ** 2, axis=1))
|
|
|
|
# 获取距离最小的k个样本的索引
|
|
k_indices = np.argsort(distances)[:k]
|
|
|
|
# 获取这些样本对应的标签
|
|
k_nearest_labels = labels[k_indices]
|
|
|
|
# 使用Counter统计这些标签中出现次数最多的标签
|
|
label_count = Counter(k_nearest_labels)
|
|
|
|
# 返回出现次数最多的标签
|
|
return label_count.most_common(1)[0][0]
|
|
|
|
# 这里也写自己的代码实现
|
|
def img_to_vector(filename):
|
|
"""
|
|
将二值图像转换为向量。
|
|
|
|
Args:
|
|
- filename (str): 图像文件路径。
|
|
|
|
Returns:
|
|
- np.array: 二值图像向量。
|
|
"""
|
|
return np.array([int(char) for line in open(filename) for char in line.strip()])
|
|
|
|
def load_dataset(directory):
|
|
"""
|
|
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。
|
|
"""
|
|
images = []
|
|
labels = []
|
|
|
|
# 遍历目录中的所有子目录
|
|
for label_dir in os.listdir(directory):
|
|
# 构建完整的子目录路径
|
|
label_dir_path = os.path.join(directory, label_dir)
|
|
|
|
# 确保是目录而不是文件
|
|
if os.path.isdir(label_dir_path):
|
|
# 遍历目录中的所有文件
|
|
for filename in os.listdir(label_dir_path):
|
|
# 构建完整的文件路径
|
|
file_path = os.path.join(label_dir_path, filename)
|
|
|
|
# 读取文件内容并转换为向量
|
|
image_vector = img_to_vector(file_path)
|
|
|
|
# 添加向量和标签到列表中
|
|
images.append(image_vector)
|
|
labels.append(int(label_dir))
|
|
|
|
# 将列表转换为 NumPy 数组
|
|
return np.array(images), np.array(labels)
|
|
|
|
# 示例用法
|
|
if __name__ == "__main__":
|
|
train_dir = "trainingDigits" # 训练集目录
|
|
test_dir = "testDigits" # 测试集目录
|
|
|
|
train_images, train_labels = load_dataset(train_dir)
|
|
test_images, test_labels = load_dataset(test_dir)
|
|
|
|
print("训练集特征形状：", train_images.shape)
|
|
print("训练集标签形状：", train_labels.shape)
|
|
print("测试集特征形状：", test_images.shape)
|
|
print("测试集标签形状：", test_labels.shape)
|
|
|
|
|
|
# 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。
|
|
|
|
Args:
|
|
- filename (str): 图像文件路径。
|
|
|
|
Returns:
|
|
- np.array: 二值图像向量。
|
|
"""
|
|
with open(filename, 'r') as file:
|
|
# 读取文件的每一行
|
|
lines = file.readlines()
|
|
|
|
# 初始化一个空列表来存储向量
|
|
vector = []
|
|
|
|
# 遍历每一行，将每个字符转换为整数并添加到列表中
|
|
for line in lines:
|
|
vector.extend([int(pixel) for pixel in line.strip()])
|
|
|
|
# 将列表转换为 NumPy 数组并返回
|
|
return np.array(vector)
|
|
|
|
# 示例用法
|
|
if __name__ == "__main__":
|
|
# 假设有一个图像文件路径
|
|
filename = "path_to_your_image_file.txt"
|
|
|
|
# 调用函数并打印结果
|
|
image_vector = img_to_vector(filename)
|
|
print("图像向量:", image_vector)
|
|
print("向量形状:", image_vector.shape)
|
|
|
|
|
|
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}")
|