# 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"

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。

    Args:
    - X (numpy array): 特征数据。
    - y (numpy array): 标签数据。
    - learning_rate (float): 学习率，默认值为0.01。
    - iterations (int): 迭代次数，默认值为1000。

    Returns:
    - numpy array: 训练得到的权重。
    """
    m, n = X.shape
    weights = np.zeros(n)  # 初始化权重
    for _ in range(iterations):
        z = np.dot(X, weights)
        predictions = sigmoid(z)
        error = predictions - y
        gradient = np.dot(X.T, error) / m
        weights -= learning_rate * gradient  # 更新权重
    return weights

def predict_logreg(inX, weights):
    """
    对率回归预测函数。

    Args:
    - inX (numpy array): 输入待分类的样本。
    - weights (numpy array): 训练得到的权重。

    Returns:
    - int: 预测的分类标签。
    """
    probability = sigmoid(np.dot(inX, weights))
    return 1 if probability >= 0.5 else 0  # 二分类阈值为0.5

def load_data(filepath):
    """
    从文件中加载数据。

    Args:
    - filepath (str): 数据文件路径。

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    # 使用dtype=str先将所有数据加载为字符串
    data = np.loadtxt(filepath, delimiter=' ', dtype=str)

    # 替换'?'为np.nan，并转换为浮点数
    data[data == '?'] = np.nan
    data = data.astype(float)

    X = data[:, :-1]  # 假设最后一列是标签
    y = data[:, -1]
    return X, y

if __name__ == "__main__":
    # 加载训练集
    X_train, y_train = load_data("./data/horse-colic.data")

    # 加载测试集
    X_test, y_test = load_data("./data/horse-colic.test")

    # 处理缺失值，例如用列的均值替代
    X_train = np.nan_to_num(X_train, nan=np.nanmean(X_train, axis=0))
    X_test = np.nan_to_num(X_test, nan=np.nanmean(X_train, axis=0))  # 用训练集的均值替代测试集

    # 确保标签为浮点型
    y_train = y_train.astype(float)
    y_test = y_test.astype(float)

    # 训练对率回归模型
    weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000)

    # 测试单个数据
    y_pred = predict_logreg(X_test[11], weights)
    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")