更新 function.py

function.py

@@ -54,23 +54,23 @@ def classify0(inX, dataSet, labels, k=0):
     Returns:
     - int: 预测的分类标签。
     """
-   inX = np.array(inX)  
-    dataSet = np.array(dataSet)  
+    # 确保输入样本inX是numpy数组  
+    inX = np.array(inX)  
       
     # 计算输入样本与所有训练样本之间的欧几里得距离  
     distances = [np.sqrt(np.sum((inX - x_train) ** 2)) for x_train in dataSet]  
       
-    # 根据距离对训练样本进行排序，并获取前 k 个最近邻的索引  
+    # 根据距离对训练样本进行排序，并获取前k个最近邻的索引  
     k_indices = np.argsort(distances)[:k]  
       
-    # 根据索引获取前 k 个最近邻的标签  
+    # 根据索引获取前k个最近邻的标签  
     k_nearest_labels = [labels[i] for i in k_indices]  
       
-    # 使用 Counter 来找出出现次数最多的标签  
+    # 使用Counter找出出现次数最多的标签  
     most_common = Counter(k_nearest_labels).most_common(1)  
       
     # 返回出现次数最多的标签（即预测的分类标签）  
-    return most_common[0][0]  
+    return most_common[0][0] 
 
 def load_data(file_path):
     """
@@ -86,7 +86,7 @@ if __name__ == "__main__":
     # 以下代码可用于测试，可自行随意修改
 
     train_file = "datingTrainSet2.tsv"
-
+    test_file = "datingTestSet2.tsv"
     train_data, train_labels = load_data(train_file)
 
     print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))