# function.py
import numpy as np

"""
挑战说明:
- 自行编写实现 KNN 分类算法。
- 输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
- 输出: 预测的分类标签。

注意事项:
- 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。
- 在 function.py 中实现 KNN 分类算法。
- 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
- 训练集在本目录下的 datingTrainSet2.tsv 中。
- 评测数据集在本目录下的 datingTestSet2.tsv 中。

挑战环境:
- Ubuntu 22.04.04 LTS
- Python 3.10.12
"""


"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423229"
name = "向兴宇"


"""
参数说明:
- inX (numpy array): 输入待分类的样本。
- dataSet (numpy array): 训练数据集。
- labels (list or numpy array): 训练集对应的标签。
返回值:
- int: 预测的分类标签。
"""


# 这里写自己的代码实现
def classify0(inX, dataSet, labels, k=9):
    """
    KNN 分类算法。

    Args:
    - inX (numpy array): 输入待分类的样本。
    - dataSet (numpy array): 训练数据集。
    - labels (list or numpy array): 训练集对应的标签。

    Returns:
    - int: 预测的分类标签。
    """
    # 计算数据集的协方差矩阵的逆
    VI = np.linalg.inv(np.cov(dataSet.T))

    # 计算 inX 与数据集的差值
    diff = dataSet - inX

    # 使用矩阵运算计算马氏距离
    distances = np.sqrt(np.sum(diff @ VI * diff, axis=1))

    # 对距离排序，获取前 k 个最近的样本索引
    sortedDistIndices = np.argsort(distances)

    # 统计前 k 个样本的标签
    classCount = np.bincount(labels[sortedDistIndices[:k]])

    # 返回出现次数最多的标签
    return np.argmax(classCount)


def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    """
    data = np.loadtxt(file_path, delimiter="\t")
    features = data[:, :-1]
    labels = data[:, -1].astype(int)
    return features, labels


if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改

    # 加载训练集和测试集
    train_file = "datingTrainSet2.tsv"
    test_file = "datingTestSet2.tsv"

    train_data, train_labels = load_data(train_file)
    test_data, test_labels = load_data(test_file)

    for j in range(20):
        correct = 0
        total = len(test_data)

        for i in range(total):
            # 获取测试数据中的每个样本
            result = classify0(test_data[i], train_data, train_labels, k=j + 1)
            if result == test_labels[i]:
                correct += 1
            # else:
            #     print(
            #         f"第 {i+1} 次测试错误，数据 {test_data[i]} 被分类到 {result} 实际是 {test_labels[i]}"
            #     )
        if correct >= 96:
            print(f"KNN 分类算法，k={j+1}")
            print(f"{correct}% 正确率")