generated from LufsX/Challenge-kNN
101 lines
3.0 KiB
Python
101 lines
3.0 KiB
Python
# function.py
|
|
import numpy as np
|
|
from numpy.linalg import inv, det
|
|
from scipy.stats import mode
|
|
"""
|
|
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=4):
|
|
"""
|
|
KNN 分类算法，使用马氏距离，并避免显式循环。
|
|
|
|
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 (int): 使用的邻居数量。
|
|
|
|
返回值:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
# 计算训练数据集的协方差矩阵和它的逆矩阵
|
|
cov_matrix = np.cov(dataSet, rowvar=False)
|
|
inv_cov_matrix = inv(cov_matrix)
|
|
|
|
# 计算马氏距离
|
|
diffMat = dataSet - inX
|
|
distances = np.sqrt(np.sum(np.dot(diffMat, inv_cov_matrix) * diffMat, axis=1))
|
|
|
|
# 对距离进行排序并找到最近的k个邻居
|
|
sortedDistIndices = np.argsort(distances)[:k] # 直接选择前k个最近的索引
|
|
|
|
# 获取这k个邻居的标签
|
|
k_nearest_labels = labels[sortedDistIndices]
|
|
|
|
# 使用np.bincount计算每个标签的出现次数，并返回出现次数最多的标签
|
|
most_common_label = np.bincount(k_nearest_labels).argmax()
|
|
|
|
return most_common_label
|
|
|
|
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) |