From 052a803c250a682e12f7293012295530c29e14c2 Mon Sep 17 00:00:00 2001
From: zhangchenghong <1598349064@qq.com>
Date: Sun, 20 Oct 2024 13:51:30 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=20function.py?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 function.py | 82 +++++++++++++++++++++++------------------------------
 1 file changed, 35 insertions(+), 47 deletions(-)

diff --git a/function.py b/function.py
index 5f08e86..a702600 100644
--- a/function.py
+++ b/function.py
@@ -41,26 +41,25 @@ name = "章程鸿·"
 
 
 # 这里写自己的代码实现
-import numpy as np  
-import os  
-from collections import Counter  
+import numpy as np
+import os
+from collections import Counter
 
-  
-# 这里写自己的代码实现  
-def classify(input_vector, dataSet, labels, k=2):  
-    """  
-    使用 KNN 算法对输入样本进行分类。  
-  
-    参数:  
-	    - input_vector (numpy array): 输入待分类的样本（1xN）。  
-	    - dataSet (numpy array): 训练数据集（MxN）。  
-    - labels (list or numpy array): 训练集对应的标签。  
-    - k (int): kNN 算法参数，默认值为 2。  
-  
-    返回:  
-    - int: 预测的分类标签。  
-    """  
-     # 将欧氏距离改为马氏距离
+# 这里写自己的代码实现
+def classify(input_vector, dataSet, labels, k=3):
+    """
+    使用 KNN 算法对输入样本进行分类。
+
+    参数:
+        - input_vector (numpy array): 输入待分类的样本（1xN）。
+        - dataSet (numpy array): 训练数据集（MxN）。
+        - labels (list or numpy array): 训练集对应的标签。
+        - k (int): kNN 算法参数，默认值为 3。
+
+    返回:
+        - int: 预测的分类标签。
+    """
+    # 计算马氏距离
     mean_vector = np.mean(dataSet, axis=0)
     cov_matrix = np.cov(dataSet.T)
     inv_cov_matrix = np.linalg.inv(cov_matrix)
@@ -81,20 +80,10 @@ def classify(input_vector, dataSet, labels, k=2):
         weighted_votes[label] += weight
 
     return np.argmax(weighted_votes)
-
-# 这里也写自己的代码实现  
-def load_dataset(directory):  
-    """  
-    加载数据集中的图像，并将其转换为特征向量和标签。  
-  
-    参数:  
-    - directory (str): 数据文件夹路径。  
-  
-    返回:  
-	    - np.array: 特征数据（Mx1024）。  
-	    - np.array: 标签数据（Mx1）。  
-    """  
-     feature_list = []
+    
+# 这里写自己的代码实现
+def load_dataset(directory):
+    feature_list = []
     label_list = []
     for file in os.listdir(directory):
         file_path = os.path.join(directory, file)
@@ -110,25 +99,25 @@ def load_dataset(directory):
     feature_matrix = (feature_matrix - min_value) / (max_value - min_value)
 
     return feature_matrix, label_array
-def img_to_vector(filename):  
-    """  
-    将二值图像转换为向量。  
-  
-    Args:  
-    - filename (str): 图像文件路径。  
-  
-    Returns:  
-    - np.array: 二值图像向量。  
-    """  
-     vector = np.zeros((1024,))
+
+# 这里写自己的代码实现
+def img_to_vector(filename):
+    """
+    将二值图像转换为向量。
+
+    Args:
+    - filename (str): 图像文件路径。
+
+    Returns:
+    - np.array: 二值图像向量。
+    """
+    vector = np.zeros((1024,))
     with open(filename) as file:
         for i, line in enumerate(file):
             vector[i*32:i*32+32] = np.array([int(char) for char in line.strip()])
     return vector
 
-
 if __name__ == "__main__":
-    # 以下代码可用于测试，可自行随意修改
     train_data, train_labels = load_dataset("trainingDigits")
 
     test_data = (
@@ -172,4 +161,3 @@ if __name__ == "__main__":
     )
 
     print(f"预测的标签: {predicted_label}")
-