generated from LufsX/Challenge-kNN
109 lines
3.2 KiB
Python
109 lines
3.2 KiB
Python
# function.py
|
|
import numpy as np
|
|
from numpy.linalg import inv
|
|
"""
|
|
挑战说明:
|
|
- 自行编写实现 KNN 分类算法。
|
|
- 输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
|
|
- 输出: 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:
|
|
- Ubuntu 22.04.04 LTS
|
|
- Python 3.10.12
|
|
"""
|
|
|
|
|
|
"""
|
|
请在这里填写学号和姓名，不填写即成绩无效。
|
|
"""
|
|
id = "202210423217"
|
|
name = "吴俊煯"
|
|
|
|
|
|
"""
|
|
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。
|
|
返回值:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
|
|
|
|
|
|
# 这里写自己的代码实现
|
|
def classify0(inX, dataSet, labels, k=4, cov_inv=None):
|
|
"""
|
|
KNN 分类算法，使用马氏距离。
|
|
|
|
Args:
|
|
- inX (numpy array): 输入待分类的样本（形状应为 (1, n)）。
|
|
- dataSet (numpy array): 训练数据集（形状应为 (m, n)）。
|
|
- labels (numpy array): 训练集对应的标签。
|
|
- k (int): 选择最近邻的个数。
|
|
- cov_inv (numpy array): 训练数据协方差矩阵的逆（可选，如果未提供，则函数内部计算）。
|
|
|
|
Returns:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
if cov_inv is None:
|
|
# 计算训练数据的协方差矩阵并求逆
|
|
cov_matrix = np.cov(dataSet.T)
|
|
cov_inv = inv(cov_matrix)
|
|
differences = dataSet - inX
|
|
mahalanobis_distances = np.sqrt(np.sum(differences @ cov_inv @ differences.T, axis=1))
|
|
|
|
# 按距离排序，并获取前 k 个训练样本的索引
|
|
k_indices = np.argsort(mahalanobis_distances)[:k]
|
|
|
|
# 获取前 k 个训练样本的标签
|
|
k_nearest_labels = labels[k_indices]
|
|
|
|
# 找到出现次数最多的标签
|
|
from collections import Counter
|
|
most_common = Counter(k_nearest_labels).most_common(1)
|
|
|
|
# 返回出现次数最多的标签
|
|
return most_common[0][0]
|
|
|
|
|
|
|
|
|
|
def load_data(file_path):
|
|
"""
|
|
加载 TSV 格式数据文件。
|
|
"""
|
|
features = []
|
|
labels = []
|
|
|
|
with open(file_path, "r") as file:
|
|
for line in file:
|
|
values = line.strip().split("\t")
|
|
features.append([float(x) for x in values[:-1]])
|
|
labels.append(int(values[-1]))
|
|
features = np.array(features)
|
|
labels = np.array(labels)
|
|
|
|
# 归一化特征值
|
|
scaler = StandardScaler()
|
|
features_scaled = scaler.fit_transform(features)
|
|
|
|
return features_scaled, labels, scaler # 返回归一化后的特征和缩放器对象
|
|
|
|
|
|
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))
|