# function.py
import numpy as np

"""
实验说明:
- 自行编写实现数据加载与预测病马死亡的对率回归算法。

注意事项:
- 在 function.py 中实现对率回归算法。
- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若未在 requirements.txt 中添加使用到的依赖，则无法自动评测，成绩为零。
- 自动评测脚本仅会加载 train_logreg、predict_logreg 和 load_data 函数，请勿修改函数名。

测评环境:
- CPU: Intel Xeon(R) CPU E3-1231 v3 @ 3.40GHz
- OS: Ubuntu 22.04.4 LTS
- Python: 3.10.12
- numpy: 2.1.1
"""


"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423222"
name = "邓龙树"

# user_code.py

import numpy as np

def sigmoid(z):
    """计算sigmoid函数"""
    return 1 / (1 + np.exp(-z))

def train_logreg(X, y, learning_rate=0.01, iterations=1000):
    """对率回归训练函数。"""
    weights = np.zeros(X.shape[1])
    
    for _ in range(iterations):
        z = np.dot(X, weights)
        predictions = sigmoid(z)
        gradient = np.dot(X.T, (predictions - y)) / y.size
        weights -= learning_rate * gradient
    
    return weights

def predict_logreg(X, weights):
    """使用训练好的权重预测标签"""
    z = np.dot(X, weights)
    predictions = sigmoid(z)
    return np.where(predictions >= 0.5, 1, 0)

def load_data(filepath):
    """从文件中加载数据，处理不规则列数问题"""
    with open(filepath, 'r') as file:
        lines = file.readlines()
    
    max_columns = 0
    data = []
    
    for line in lines:
        parts = line.strip().split()
        max_columns = max(max_columns, len(parts))
        data.append(parts)
    
    # 填充缺失的列
    for i in range(len(data)):
        if len(data[i]) < max_columns:
            data[i].extend(['nan'] * (max_columns - len(data[i])))

    # 转换成numpy数组，处理缺失值
    data_array = np.array(data, dtype=float)
    data_array[np.isnan(data_array)] = np.nanmean(data_array, axis=0)

    return data_array[:, :-1], data_array[:, -1]

def preprocess_data(X, y):
    """数据预处理，合并特征23的值，并删除特征3和特征24~28。"""
    # 合并特征23的值：将2（死亡）和3（安乐死）合并为0（死亡）
    y = np.where(y == 2, 0, y)  # 将值2替换为0
    y = np.where(y == 3, 0, y)  # 将值3替换为0

    # 删除特征3和特征24~28（假设特征索引从0开始）
    X = np.delete(X, [2] + list(range(23, 28)), axis=1)

    return X, y

if __name__ == "__main__":
    # 加载数据
    X, y = load_data("./data/horse-colic.data")

    # 数据预处理
    X, y = preprocess_data(X, y)

    # 训练模型
    weights = train_logreg(X, y)

    # 加载测试数据并进行预处理
    X_test, y_test = load_data("./data/horse-colic.test")
    X_test, y_test = preprocess_data(X_test, y_test)
    
    # 预测
    predictions = predict_logreg(X_test, weights)

    # 打印预测结果和实际结果
    for i in range(min(10, len(y_test))):
        print(f"预测结果: {predictions[i]}, 实际结果: {y_test[i]}")