更新 function.py

function.py

@@ -41,81 +41,64 @@ name = "李劲"
 
 
 # 这里写自己的代码实现
-def classify(input_vector, dataSet, labels, k=3):
-    """
-    KNN 分类算法。
-
-    Args:
-    - 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**。
-
-    Returns:
-    - int: 预测的分类标签。
-    """
-   # 计算欧式距离
-    distances = np.linalg.norm(dataSet - input_vector, axis=1)
-    
-    # 获取距离最近的 k 个样本的索引
-    k_indices = np.argsort(distances)[:k]
-    
-    # 获取最近邻样本的标签
-    k_nearest_labels = [labels[i] for i in k_indices]
-    
-    # 找出出现次数最多的标签
-    most_common = max(set(k_nearest_labels), key=k_nearest_labels.count)
-    
-    return most_common
-
-# 这里也写自己的代码实现
-def load_dataset(directory):
-    """
-    从文件夹中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。
-
-    Args:
-    - directory (str): 数据文件夹路径。
-
-    Returns:
-    - np.array: 特征数据。
-    - np.array: 标签数据。
-    """
-    features = []
-    labels = []
-    
-    # 遍历文件夹中的所有文件
-    for filename in os.listdir(directory):
-        if filename.endswith(".txt"):  # 假设文件是 .txt 格式
-            filepath = os.path.join(directory, filename)
-            
-            # 假设文件名格式为 "数字_编号.txt"
-            label = int(filename.split('_')[0])
-            
-            # 加载文件中的二进制数据并转换为 1D 向量
-            image_vector = img_to_vector(filepath)
-            
-            features.append(image_vector)
-            labels.append(label)
-    
-    return np.array(features), np.array(labels)
-
-# 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。
-    该部分应为 load_dataset 函数的辅助子函数，可单独在这里实现，也可直接集成至 load_dataset 函数中。
-
-    Args:
-    - filename (str): 图像文件路径。
-
-    Returns:
-    - np.array: 二值图像向量。
-    """
+def classify(input_vector, dataSet, labels, k=3):  
+    """  
+    KNN 分类算法。  
+    """  
+    # 计算欧式距离  
+    distances = np.linalg.norm(dataSet - input_vector, axis=1)  
+      
+    # 获取距离最近的 k 个样本的索引  
+    k_indices = np.argsort(distances)[:k]  
+      
+    # 获取最近邻样本的标签  
+    k_nearest_labels = [labels[i] for i in k_indices]  
+      
+    # 找出出现次数最多的标签  
+    from collections import Counter  
+    most_common = Counter(k_nearest_labels).most_common(1)[0][0]  
+      
+    return most_common  
   
-    with open(filename) as file:
-        lines = file.readlines()
-        image_vector = np.array([int(char) for line in lines for char in line.strip()])
-    
+def load_dataset(directory):  
+    """  
+    从文件夹中加载数据。  
+    """  
+    features = []  
+    labels = []  
+      
+    # 遍历文件夹中的所有文件  
+    for filename in os.listdir(directory):  
+        if filename.endswith(".txt"):  # 假设文件是 .txt 格式  
+            filepath = os.path.join(directory, filename)  
+              
+            try:  
+                # 假设文件名格式为 "数字_编号.txt"  
+                label = int(filename.split('_')[0])  
+                  
+                # 加载文件中的二进制数据并转换为 1D 向量  
+                image_vector = img_to_vector(filepath)  
+                  
+                features.append(image_vector)  
+                labels.append(label)  
+            except Exception as e:  
+                print(f"Error processing file {filepath}: {e}")  
+      
+    return np.array(features), np.array(labels)  
+  
+def img_to_vector(filename):  
+    """  
+    将二值图像转换为向量。  
+    """  
+    try:  
+        with open(filename) as file:  
+            lines = file.readlines()  
+            image_vector = np.array([int(char) for line in lines for char in line.strip()])  
+    except Exception as e:  
+        print(f"Error reading file {filename}: {e}")  
+        image_vector = np.zeros(expected_vector_length)  # 假设有一个预期的向量长度  
+        # 或者可以抛出一个异常，根据需求决定  
+      
     return image_vector
 
 if __name__ == "__main__":