generated from LufsX/Challenge-kNN
145 lines
4.3 KiB
Python
145 lines
4.3 KiB
Python
# function.py
|
|
import numpy as np
|
|
|
|
"""
|
|
挑战说明:
|
|
- 自行编写实现 KNN 分类算法。
|
|
- 函数输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
|
|
- 函数返回: 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:
|
|
- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
|
|
- OS: Ubuntu 22.04.4 LTS
|
|
- Python: 3.10.12
|
|
- numpy: 2.1.1
|
|
"""
|
|
|
|
|
|
"""
|
|
请在这里填写学号和姓名，不填写即成绩无效。
|
|
"""
|
|
id = "202210423215"
|
|
name = "章程鸿"
|
|
|
|
|
|
"""
|
|
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
|
|
import numpy as np
|
|
from collections import Counter
|
|
from sklearn.model_selection import GridSearchCV
|
|
from sklearn.neighbors import KNeighborsClassifier
|
|
|
|
def classify0(inX, dataSet, labels, k=1):
|
|
"""
|
|
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。
|
|
- k (int): KNN 算法参数，默认为3。
|
|
|
|
Returns:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
# 计算马氏距离
|
|
cov_matrix = np.cov(dataSet, rowvar=False)
|
|
inv_cov_matrix = np.linalg.inv(cov_matrix)
|
|
mean_vector = np.mean(dataSet, axis=0)
|
|
|
|
diffMat = inX - dataSet
|
|
mahalanobis_distances = np.sqrt(np.sum((diffMat @ inv_cov_matrix) * diffMat, axis=1))
|
|
|
|
# 排序并选取前k个最小距离
|
|
sortedDistIndices = mahalanobis_distances.argsort()
|
|
classCount = {}
|
|
|
|
for i in range(k):
|
|
voteIlabel = labels[sortedDistIndices[i]]
|
|
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
|
|
|
|
# 返回出现频率最高的类别
|
|
sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
|
|
return sortedClassCount[0][0]
|
|
|
|
def load_data(file_path):
|
|
"""
|
|
加载 TSV 格式数据文件。
|
|
"""
|
|
data = np.loadtxt(file_path, delimiter="\t")
|
|
features = data[:, :-1]
|
|
labels = data[:, -1].astype(int)
|
|
return features, labels
|
|
|
|
def normalize_min_max(data):
|
|
"""
|
|
对数据进行最小-最大缩放归一化。
|
|
|
|
Args:
|
|
- data (numpy array): 待归一化的数据。
|
|
|
|
Returns:
|
|
- numpy array: 归一化后的数据。
|
|
- numpy array: 最小值。
|
|
- numpy array: 最大值。
|
|
"""
|
|
min_vals = data.min(0)
|
|
max_vals = data.max(0)
|
|
ranges = max_vals - min_vals
|
|
# 避免除以零的情况
|
|
ranges[ranges == 0.0] = 1.0
|
|
m = data.shape[0]
|
|
norm_data = (data - min_vals) / ranges
|
|
return norm_data, min_vals, max_vals
|
|
|
|
if __name__ == "__main__":
|
|
# 以下代码可用于测试，可自行随意修改
|
|
train_file = "datingTrainSet2.tsv"
|
|
|
|
# 加载训练数据
|
|
train_data, train_labels = load_data(train_file)
|
|
|
|
# 归一化训练数据，并获取最小值和最大值
|
|
train_data_normalized, min_vals, max_vals = normalize_min_max(train_data)
|
|
|
|
# 定义KNN分类器
|
|
knn = KNeighborsClassifier()
|
|
|
|
# 定义要搜索的k值范围
|
|
param_grid = {'n_neighbors': list(range(1, 31))}
|
|
|
|
# 使用GridSearchCV进行网格搜索
|
|
grid_search = GridSearchCV(knn, param_grid, cv=10, scoring='accuracy')
|
|
grid_search.fit(train_data_normalized, train_labels)
|
|
|
|
# 获取最佳的k值
|
|
optimal_k = grid_search.best_params_['n_neighbors']
|
|
print("Optimal k:", optimal_k)
|
|
|
|
# 使用最佳k值进行预测
|
|
best_knn = KNeighborsClassifier(n_neighbors=optimal_k)
|
|
best_knn.fit(train_data_normalized, train_labels)
|
|
|
|
# 测试数据点也需要用同样的方式归一化
|
|
test_point = np.array([65915, 3.868359, 0.128078])
|
|
test_point_normalized = (test_point - min_vals) / (max_vals - min_vals)
|
|
|
|
# 使用归一化后的数据进行预测
|
|
predicted_label = best_knn.predict([test_point_normalized])
|
|
print("预测的分类标签是:", predicted_label[0]) |