更新 function.py

function.py

@@ -39,60 +39,47 @@ name = "严锡好"
 - int: 预测的分类标签。
 """
 
-# 这里写自己的代码实现
-def mahalanobis_distance(x1, x2, cov_inv, mean):
-    """
-    计算两点之间的马氏距离。
 
-    Args:
+def classify0(inX, dataSet, labels, k=3):
-    x1 (numpy array): 第一个点。
-    x2 (numpy array): 第二个点。
-    cov_inv (numpy array): 协方差矩阵的逆矩阵。
-    mean (numpy array): 数据集的均值。
-    
-    Returns:
-    float: 两点之间的马氏距离。
-    """
-    delta = x1 - x2
-    dist = np.dot(delta, np.dot(cov_inv, delta.T))  # 使用 dot 函数进行矩阵乘法
-    return np.sqrt(dist)
-
-def classify0(inX, dataSet, labels, k=3, cov_inv=None, mean=None):
     """
     使用马氏距离的 KNN 分类算法。
 
     Args:
-    inX (numpy array): 输入待分类的样本。
+    - inX (numpy array): 输入待分类的样本。
-    dataSet (numpy array): 训练数据集。
+    - dataSet (numpy array): 训练数据集。
-    labels (list or numpy array): 训练集对应的标签。
+    - 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。
-    cov_inv (numpy array): 协方差矩阵的逆矩阵，如果为 None，则需要重新计算。
-    mean (numpy array): 数据集的均值，如果为 None，则需要重新计算。
 
     Returns:
-    int: 预测的分类标签。
+    - int: 预测的分类标签。
     """
-    if cov_inv is None or mean is None:  # 如果没有提供协方差逆矩阵或均值，则计算它们
+    # 计算样本数量和特征数量
-        cov_matrix = np.cov(dataSet, rowvar=False)
+    numSamples, numFeatures = dataSet.shape
-        mean = np.mean(dataSet, axis=0)
-        cov_inv = np.linalg.inv(cov_matrix + np.eye(cov_matrix.shape[0]) * 1e-5)  # 加上一个小的单位矩阵以避免奇异矩阵
     
-    # 使用向量化操作计算所有样本与待分类样本之间的马氏距离
+    # 计算马氏距离
-    diff = dataSet - mean  # 预先计算所有样本与均值的差
+    # 首先计算训练集的均值和协方差矩阵
-    dist = np.sum(diff * cov_inv[None, :, :] * diff[:, None, :], axis=2)
+    meanVals = np.mean(dataSet, axis=0)
+    covMat = np.cov(dataSet, rowvar=False)
     
-    # 获取距离最近的 k 个样本的索引
+    # 计算待分类样本与训练集中每个样本的马氏距离
-    sortedDistIndices = np.argsort(dist)[:, :k]
+    inXMinusMean = inX - meanVals
+    dist = np.sqrt(np.dot(inXMinusMean.T, np.linalg.inv(covMat)).dot(inXMinusMean))
     
-    # 使用 defaultdict 来简化类别计数逻辑
+    # 获取距离最近的k个样本的索引
-    classCount = defaultdict(int)
+    sortedDistIndices = np.argsort(dist)
-    for idx in sortedDistIndices:
+    classCount = {}
-        classCount[labels[idx]] += 1
     
-    # 选择出现次数最多的标签作为预测标签
+    # 遍历距离最近的k个样本
+    for i in range(k):
+        voteIlabel = labels[sortedDistIndices[i]]
+        # 统计每个类别的票数
+        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
+    
+    # 选择票数最多的类别作为预测标签
     sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
     return sortedClassCount[0][0]
 
+
 def load_data(file_path):
     """
     加载 TSV 格式数据文件。
@@ -102,26 +89,13 @@ def load_data(file_path):
     labels = data[:, -1].astype(int)
     return features, labels
 
-def prepare_data(dataSet):
-    """
-    计算训练数据集的协方差矩阵的逆矩阵和均值。
-    
-    Args:
-    dataSet (numpy array): 训练数据集。
-    
-    Returns:
-    tuple: 包含均值和协方差矩阵的逆矩阵的元组。
-    """
-    cov_matrix = np.cov(dataSet, rowvar=False)
-    mean = np.mean(dataSet, axis=0)
-    cov_inv = np.linalg.inv(cov_matrix + np.eye(cov_matrix.shape[0]) * 1e-5)
-    return mean, cov_inv
 
 if __name__ == "__main__":
+    # 以下代码可用于测试，可自行随意修改
     train_file = "datingTrainSet2.tsv"
     train_data, train_labels = load_data(train_file)
-    mean, cov_inv = prepare_data(train_data)  # 预先计算均值和协方差逆矩阵
 
+    # 测试一个样本
     test_sample = np.array([65915, 3.868359, 0.128078])
-    predicted_label = classify0(test_sample, train_data, train_labels, k=3, cov_inv=cov_inv, mean=mean)
+    predicted_label = classify0(test_sample, train_data, train_labels)
     print(f"The predicted label for the test sample is: {predicted_label}")