# 实验一：kNN 与二值手写数字识别 ## 实验说明 - 自行在 [`function.py`](./function.py) 中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。 所有成功上传的评测结果均会被记录，但不会公开展示。 评测次数不限，最终评测成绩取**最高分**。 ## 注意事项 挑战赛与实验为两个**不同**的仓库，注意不要混淆！ - 实验仓库，开头名称统一为 `Experiment` - **有截止时间限制**！ - 记录成绩但不公开，并且**是实验成绩的一部分**。 - 最终成绩取最高分。 - 挑战赛仓库，开头名称统一为 `Challenge` - 无截止时间限制。 - 公开展示排行榜和最近的评测信息。 --- 实验开始前必须在 [`function.py`](./function.py#L28-L29) 中填写自己的学号和姓名！ - 可以自行导入其他库，需要在 [`requirements.txt`](./requirements.txt) 添加依赖，若未在 [`requirements.txt`](./requirements.txt) 中添加使用到的依赖，则无法自动评测，**不记录成绩**。 - 需要在 [`function.py`](./function.py) 中实现完整的 kNN 分类算法。 - 默认 **k=0**，需**自行设置**最佳的默认 k 值，不修改默认值将**无法通过**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。 - 仓库内不自带数据集，本地调试时，数据集需自行下载。 - 本地调试完成后，**需要更新提交代码**，否则无法自动评测，**没有实验成绩**。 - 评测的运行时间受机器性能影响，运行时间仅供参考。 - 若有评测相关问题，请在[项目工单](https://git.intcplab.cn/LufsX/Evaluation-Backend/issues)处提出，或联系 QQ: `1968647927`。 代码提交后会进行自动评测，评测所用的环境如下： - CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz - OS: Ubuntu 22.04.4 LTS - Python: 3.10.12 - numpy: 2.1.1 ## 实验操作 本次实验因数据文件较多，故仓库内不自带数据集，本地调试时需自行下载数据集。 - [二值手写数字数据集.zip](https://git.intcplab.cn/yuhuapeng/Machine-Learning-in-Python/raw/branch/main/%E7%AC%AC9%E7%AB%A0%209.1%20KNN%E5%88%86%E7%B1%BB%E5%99%A8/%E4%BA%8C%E5%80%BC%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E6%95%B0%E6%8D%AE%E9%9B%86.zip) - [二值手写数字数据集.tar.gz](https://git.intcplab.cn/LufsX/Evaluation-Backend/raw/branch/main/public/experiment/knn/dataSet.tar.gz) 以上两文件解压内容相同，解压后得到 `trainDigits` 和 `testDigits` 文件夹，分别存放训练集和测试集。 本次实验强烈建议将代码克隆/下载到本地进行实验调试。 --- 命令行操作： ```bash curl -s -o dataSet.tar.gz https://git.intcplab.cn/LufsX/Evaluation-Backend/raw/branch/main/public/experiment/knn/dataSet.tar.gz tar -zxvf dataSet.tar.gz ``` --- 注意 ⚠️ 若要完成实验，请确保是在**本页面**点击「使用模版」来创建仓库，新仓库名称建议与模版名称相同，其余操作参见[挑战赛的说明](https://git.intcplab.cn/LufsX/Challenge-kNN#挑战操作)。 若要完成实验，评测时检查创建完成的**仓库信息**是否正确，本次实验标题为「**实验一：KNN 与二值手写数字识别**」！ ## 其它 若有流程、优化等相关建议和问题，欢迎在[评测后端项目工单](https://git.intcplab.cn/LufsX/Evaluation-Backend/issues)中提出。 同时欢迎参与[评测后端](https://git.intcplab.cn/LufsX/Evaluation-Backend)的开发与优化！