generated from LufsX/Challenge-kNN
130 lines
4.0 KiB
Python
130 lines
4.0 KiB
Python
# function.py
|
|
import numpy as np
|
|
|
|
"""
|
|
挑战说明:
|
|
- 自行编写实现 KNN 分类算法。
|
|
- 函数输入: 待分类的样本 inX, 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:
|
|
- 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。
|
|
- 在 function.py 中实现 KNN 分类算法。
|
|
- 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
|
|
- 训练集在本目录下的 datingTrainSet2.tsv 中。
|
|
- 评测数据集在本目录下的 datingTestSet2.tsv 中。
|
|
|
|
挑战环境:
|
|
- 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 = "202210423103"
|
|
name = "王坤"
|
|
|
|
|
|
"""
|
|
参数说明:
|
|
- inX (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，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。
|
|
"""
|
|
# 计算输入向量与训练集中每个样本的欧氏距离
|
|
distances = np.linalg.norm(dataSet - input_vector, axis=1)
|
|
|
|
# 按照距离从小到大排序并获取前k个距离最小的索引
|
|
sorted_indices = distances.argsort()[:k]
|
|
|
|
# 统计前k个最近邻的标签
|
|
nearest_labels = [labels[i] for i in sorted_indices]
|
|
|
|
# 返回出现次数最多的标签
|
|
predicted_label = max(set(nearest_labels), key=nearest_labels.count)
|
|
|
|
return predicted_label
|
|
|
|
|
|
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。
|
|
"""
|
|
# 获取目录下所有文件名
|
|
file_list = os.listdir(directory)
|
|
|
|
# 初始化数据集矩阵和标签列表
|
|
num_files = len(file_list)
|
|
data_set = np.zeros((num_files, 1024)) # 每个样本是1024维的向量
|
|
labels = []
|
|
|
|
# 逐个文件处理
|
|
for i, file_name in enumerate(file_list):
|
|
# 提取标签，假设文件名格式为 '数字_XXX.txt'
|
|
label = int(file_name.split('_')[0])
|
|
labels.append(label)
|
|
|
|
# 将图像文件转换为向量并存入数据集
|
|
data_set[i, :] = img_to_vector(os.path.join(directory, file_name))
|
|
|
|
return data_set, np.array(labels)
|
|
|
|
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。
|
|
"""
|
|
# 初始化一个1024维的向量
|
|
vector = np.zeros(1024)
|
|
with open(filename, 'r') as f:
|
|
for row in range(32):
|
|
line = f.readline()
|
|
for col in range(32):
|
|
vector[row * 32 + col] = int(line[col]) # 将每行的字符转换为整数并存储
|
|
return vector
|
|
|
|
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)
|
|
|
|
print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))
|