بتل کد Battle Codeدارد باز می‌شود…

جواب «Step 3: Pixel k-NN» چالش 3 از جلسه‌ی 32

سؤال

قدم سوم: تابع pixel_distance(a, b) (تعداد پیکسل‌های متفاوت) و تابع predict(pixels, train) (برچسب نزدیک‌ترین نمونه‌ی آموزش) را بنویس. برنامه برای یک تصویر «۱» ساده و یک «۴» با نمونه‌های آموزش کوچک حدس می‌زند: 1 و 4.

راهنما

pixel_distance: sum(1 for i in range(len(a)) if a[i] != b[i]). predict: حلقه با «کمترین فاصله تا حالا».

یک جواب درست

def flatten(rows):
    return [int(ch) for row in rows for ch in row]


train = [
    (flatten(["00111100", "01000010", "01000010", "01000010", "01000010", "01000010", "01000010", "00111100"]), 0),
    (flatten(["00011000", "00111000", "00011000", "00011000", "00011000", "00011000", "00011000", "00111100"]), 1),
    (flatten(["00001000", "00011000", "00101000", "01001000", "01111110", "00001000", "00001000", "00001000"]), 4),
]
test_one = flatten(["00011000", "00011000", "00011000", "00011000", "00011000", "00011000", "00011000", "00011000"])
test_four = flatten(["00001000", "00011000", "00101000", "01001000", "01111110", "00001000", "00001000", "00011000"])


def pixel_distance(a, b):
    count = 0
    for i in range(len(a)):
        if a[i] != b[i]:
            count += 1
    return count


def predict(pixels, train):
    best_label = None
    best_d = None
    for sample, label in train:
        d = pixel_distance(pixels, sample)
        if best_d is None or d < best_d:
            best_d = d
            best_label = label
    return best_label


print(predict(test_one, train))
print(predict(test_four, train))

اول خودت امتحان کن؛ جواب‌های دیگر هم قبول است. برگرد و خودت حلش کن