Bộ phân loại K láng giềng gần nhất Vectorized (Vectorized K-NN Classifier)

Mục tiêu kiến thức

• Triển khai thuật toán K-Nearest Neighbors hoàn toàn không dùng vòng lặp lồng nhau qua công thức:

dist(A, B)² = ∑ A_i² + ∑ B_j² - 2 A B^T

• Tìm K láng giềng gần nhất bằng np.argsort() hoặc np.argpartition().
• Bầu chọn đa số (Majority Voting) kèm giải quyết trường hợp bằng phiếu (Tie-breaking: ưu tiên nhãn số nhỏ hơn).

Mô tả bài toán

Cài đặt lớp KNNClassifierVectorized(k=3):

• fit(self, X: np.ndarray, y: np.ndarray) -> self:
• Lưu trữ dữ liệu huấn luyện X_train và y_train.
• Kiểm tra hợp lệ: X 2D, y 1D, cùng số dòng, k > 0, N ≥ k. Nếu sai, raise ValueError.
• predict(self, X: np.ndarray) -> np.ndarray:
• X: tập kiểm tra kích thước (M, D).
• Tính ma trận khoảng cách Euclidean (M, N) giữa X và X_train.
• Với mỗi dòng trong M, chọn k chỉ số có khoảng cách nhỏ nhất.
• Bầu chọn nhãn phổ biến nhất trong k nhãn tương ứng. Nếu hòa số phiếu, chọn nhãn có giá trị số nhỏ hơn.
• Trả về mảng 1D kiểu nguyên kích thước (M,).

Ràng buộc

• Thời gian chạy tối đa: 1000ms.
• Giới hạn bộ nhớ: 256MB.
• Dữ liệu đầu vào tuân thủ đúng kiểu dữ liệu và miền giá trị được mô tả.