更新 function.py

function.py

@@ -39,7 +39,7 @@ name = "吴俊煯"
 
 
 # 这里写自己的代码实现
-def classify0(inX, dataSet, labels):
+def classify0(inX, dataSet, labels,k=4):
     """
     KNN 分类算法。
 
@@ -51,25 +51,16 @@ def classify0(inX, dataSet, labels):
     Returns:
     - int: 预测的分类标签。
     """
-# 获取数据集的大小
+    k=min(k,dataSet.shape[0])
-    dataSetSize =dataSet.shape[0]
+    diffMat =np.tile(inX,(dataSet.shape[0],1))- dataSet
-# 计算数据集的协方差矩阵的逆
+    sqDiffMat =diffMat **2
-    VI = np.linalg.inv(np.cov(dataSet.T))
+    distances =np.sqrt(sqDiffMat.sum(axis=1))
-# 计算 Mahalanobis 距离
+    sortedDistIndicies=distances.argsort()
-    distances =np.zeros(dataSetSize)
-    for i in range(dataSetSize):
-        distances[i]=mahalanobis(inX,dataSet[i],VI)
-# 对距离排序，获取前 k 个最近的样本索引
-    sortedDistIndices=distances.argsort()
-# 统计前 k 个样本的标签
     classCount={}
-    for i in range(9):
+    for i in range(k):
-        voteLabel=labels[sortedDistIndices[i]]
+        voteIlabel=labelssortedDistIndiciesi]]
-        classCount[voteLabel]=classCount.get(voteLabel,0)+1
+        classCount[voteIlabel]=classCount.get(voteIlabel，0)+1
-# 返回出现次数最多的标签
+    sortedClassCount = sorted(classCount,items(), key=lambda item: item[1l. reverse=True)
-    sortedClasscount=sorted(
-        classCount.items(), key=operator.itemgetter(1), reverse = True
-    )
     return sortedclassCount[0][0]