generated from LufsX/Experiment-kNN
zhangchenghong
1089ea001e
Gitea Actions Experiment Test / Experiment-Actions (push) Successful in 17s
169 lines
5.7 KiB
Python
169 lines
5.7 KiB
Python
# function.py
|
|
import numpy as np
|
|
import os
|
|
|
|
"""
|
|
实验说明:
|
|
- 自行编写实现数据加载与 kNN 的手写数字分类算法。
|
|
- 函数输入: 待分类的样本 input_vector, 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:
|
|
- 在 function.py 中实现 kNN 分类算法。
|
|
- 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。
|
|
- 自动评测脚本仅会加载 classify 和 load_data 函数，请勿修改函数名。
|
|
- 训练集和测试集需手动下载解压，并放入当前目录下。
|
|
|
|
测评环境:
|
|
- 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:
|
|
- input_vector (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，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
|
|
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
|
|
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 3。
|
|
|
|
返回:
|
|
- int: 预测的分类标签。
|
|
"""
|
|
# 计算输入向量与训练集之间的欧氏距离
|
|
distances = np.sum((input_vector - dataSet) ** 2, axis=1) ** 0.5
|
|
# 根据距离排序并获取索引
|
|
sorted_indices = distances.argsort()
|
|
# 选择距离最近的k个点
|
|
k_nearest_labels = labels[sorted_indices[:k]].tolist() # 将 NumPy 数组转换为列表
|
|
# 统计k个点中各类别的数量
|
|
count = Counter(k_nearest_labels)
|
|
# 返回数量最多的类别标签
|
|
return count.most_common(1)[0][0]
|
|
|
|
# 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）。
|
|
"""
|
|
# 初始化特征数据列表和标签列表
|
|
feature_list = []
|
|
label_list = []
|
|
# 遍历目录中的所有文件
|
|
for file in os.listdir(directory):
|
|
# 获取文件的完整路径
|
|
file_path = os.path.join(directory, file)
|
|
# 将图像文件转换为向量
|
|
feature_vector = img_to_vector(file_path)
|
|
# 将特征向量添加到列表中
|
|
feature_list.append(feature_vector)
|
|
# 获取文件名中的标签并添加到标签列表中
|
|
label_list.append(int(file.split('_')[0]))
|
|
# 将特征列表和标签列表转换为numpy数组
|
|
feature_matrix = np.array(feature_list)
|
|
label_array = np.array(label_list)
|
|
return feature_matrix, label_array
|
|
# 这里还写自己的代码实现
|
|
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。
|
|
"""
|
|
# 初始化向量
|
|
vector = np.zeros((1024,)) # 创建一个一维数组
|
|
# 打开文件并逐行读取
|
|
with open(filename) as file:
|
|
for i, line in enumerate(file):
|
|
# 将每行的数字字符转换为整数并存储到向量中
|
|
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 = (
|
|
"00000000000000110000000000000000"
|
|
"00000000000011111000000000000000"
|
|
"00000000000011111100000000000000"
|
|
"00000000001111111110000000000000"
|
|
"00000000001111111110000000000000"
|
|
"00000000001111111100000000000000"
|
|
"00000000011111111000000000000000"
|
|
"00000000111111111000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111110000000000000000"
|
|
"00000000111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111100000000000000000"
|
|
"00000001111111111111000000000000"
|
|
"00000001111111111111111000000000"
|
|
"00000001111111111111111100000000"
|
|
"00000011111111111111111110000000"
|
|
"00000011111111111111111110000000"
|
|
"00000001111111111111111110000000"
|
|
"00000001111111111111111110000000"
|
|
"00000000111111111100111111100000"
|
|
"00000000111111111000111111100000"
|
|
"00000000011111111001111111100000"
|
|
"00000000011111111111111111000000"
|
|
"00000000001111111111111111000000"
|
|
"00000000000111111111111111000000"
|
|
"00000000000011111111111100000000"
|
|
"00000000000001111111110000000000"
|
|
"00000000000000000111100000000000"
|
|
)
|
|
predicted_label = classify(
|
|
np.array([int(char) for char in test_data]).reshape(1, 1024),
|
|
train_data,
|
|
train_labels,
|
|
)
|
|
|
|
print(f"预测的标签: {predicted_label}")
|
|
|