generated from LufsX/Challenge-kNN
109 lines
3.1 KiB
Python
109 lines
3.1 KiB
Python
# function.py
|
|
import numpy as np
|
|
|
|
"""
|
|
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 euclidean_distance(instance1, instance2, length):
|
|
"""
|
|
计算两个实例之间的欧几里得距离
|
|
"""
|
|
distance = 0
|
|
for x in range(length):
|
|
distance += (instance1[x] - instance2[x]) ** 2
|
|
return np.sqrt(distance)
|
|
|
|
def get_neighbors(train, test_row, k=4):
|
|
"""
|
|
获取测试实例的 k 个最近邻
|
|
"""
|
|
distances = []
|
|
length = len(test_row) - 1 # 假设最后一列是标签
|
|
for index in range(len(train)):
|
|
dist = euclidean_distance(test_row, train[index], length)
|
|
distances.append((train[index], dist))
|
|
distances.sort(key=lambda tup: tup[1])
|
|
neighbors = distances[:k]
|
|
return neighbors
|
|
|
|
def classify0(inX, dataSet, labels,k=4):
|
|
"""
|
|
KNN 分类算法。
|
|
|
|
Args:
|
|
- 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。
|
|
|
|
Returns:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
if dataSet.shape[0] == 0:
|
|
raise ValueError("数据集为空")
|
|
distances = get_neighbors(dataSet, inX, k)
|
|
classVotes = {}
|
|
for x in range(len(distances)):
|
|
response = labels[distances[x][0][-1]] # 假设最后一列是标签
|
|
classVotes[response] = classVotes.get(response, 0) + 1
|
|
sortedVotes = sorted(classVotes.items(), key=lambda x: x[1], reverse=True)
|
|
return sortedVotes[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]))
|
|
|
|
return np.array(features), np.array(labels)
|
|
|
|
|
|
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))
|