generated from LufsX/Challenge-kNN
108 lines
3.3 KiB
Python
108 lines
3.3 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 = "202210423226"
|
|
name = "潘宇豪"
|
|
|
|
|
|
"""
|
|
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。
|
|
"""
|
|
|
|
|
|
def classify0(inx, dataSet, labels, k_values=[3,8,9], _cache={"VI": None}):
|
|
"""
|
|
KNN分类算法，使用多种k值并通过投票机制预测最终结果。此版本不使用显式for循环。
|
|
|
|
参数:
|
|
- 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_values (list): 使用的邻居数量的不同k值。
|
|
- _cache (dict): 缓存数据，用于存储协方差矩阵的逆。
|
|
|
|
返回值:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
# 使用缓存，直接获取协方差矩阵的逆
|
|
if _cache["VI"] is None:
|
|
_cache["VI"] = np.linalg.inv(np.cov(dataSet.T))
|
|
|
|
# 计算输入样本与数据集的差值
|
|
diff = dataSet - inx
|
|
|
|
# 使用矩阵运算计算马氏距离
|
|
distances = np.sum(diff @ _cache["VI"] * diff, axis=1)
|
|
|
|
# 对距离排序，获取所有样本索引
|
|
sortedDistIndices = np.argsort(distances)
|
|
|
|
# 创建一个矩阵来保存每个k值的前k个样本的标签
|
|
max_k = max(k_values) # 找到最大的k
|
|
nearest_labels = labels[sortedDistIndices[:max_k]] # 取最大的k个邻居的标签
|
|
|
|
# 为每个k值计算预测结果，统计不同k值下出现最多的标签
|
|
predictions = np.array([np.bincount(nearest_labels[:k]).argmax() for k in k_values])
|
|
|
|
# 对所有预测结果进行投票，选择出现次数最多的标签作为最终结果
|
|
final_prediction = np.bincount(predictions).argmax()
|
|
|
|
return final_prediction
|
|
|
|
|
|
def load_data(file_path):
|
|
"""
|
|
加载TSV格式的数据文件。
|
|
|
|
参数:
|
|
- file_path (str): 数据文件的路径。
|
|
|
|
返回值:
|
|
- tuple: 包含特征数组和标签数组的元组。
|
|
"""
|
|
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__":
|
|
train_file = "datingTrainSet2.tsv"
|
|
train_data, train_labels = load_data(train_file)
|
|
# 使用一个测试样本进行测试
|
|
test_result = classify0([65915, 3.868359, 0.128078], train_data, train_labels, k=3)
|
|
print("预测结果:", test_result) |