Files
shiyan1/function.py
T
sn cfad8775dc
Gitea Actions Experiment Test / Experiment-Actions (push) Successful in 11s
更新 function.py
2024-10-16 22:44:27 +08:00

160 lines
5.3 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 = "202210423112"
name = "严锡好"
"""
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距离
distances = [np.linalg.norm(row-input_vector) for row in dataSet]
# 获取距离最小的k个样本的索引
sortedDistIndices = np.argsort(distances)
# 获取这些样本对应的标签
classCount = {}
for i in range(k):
voteLabel = labels[sortedDistIndices[i]]
# 统计每个类别的出现次数
classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
# 返回出现次数最多的类别
sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
return sortedClassCount[0][0]
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。
"""
fileList = os.listdir(directory)
numberOfFiles = len(fileList)
m = numberOfFiles
n = 1024 # 假设每个图像是32x32的
dataSet = np.zeros((m, n)) # 存储特征数据
labels = [] # 存储标签
for i in range(m):
filename = fileList[i]
filePath = os.path.join(directory, filename)
vector = img_to_vector(filePath)
dataSet[i, :] = vector
# 假设文件名的格式是"label01.txt",其中label是标签
label = int(filename.split('.')[0][1])
labels.append(label)
return dataSet, np.array(labels)
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。
"""
returnVect = np.zeros((1, 1024)) # 假设图像是32x32的
with open(filename, 'r') as file:
lines = file.readlines()
index = 0
for line in lines:
for i in range(len(line)-1):
if line[i] == '1':
returnVect[0, index] = 1
index += 1
return returnVect
if __name__ == "__main__":
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}")