# function.py
import numpy as np
import pandas as pd

"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423107"
name = "刘燚燊"


def load_data(filepath):
    """
    加载数据集并进行预处理。
    参数:
        filepath: 数据文件路径
    返回:
        特征和目标变量的数组
    """
    # 读取数据
    data = pd.read_csv(filepath, header=None)

    # 替换缺失值
    data.replace('?', np.nan, inplace=True)
    data.fillna(0, inplace=True)

    # 处理目标变量
    target_col = data.shape[1] - 1  # 目标变量为最后一列
    data[target_col] = data[target_col].replace({2: 0, 3: 0})

    # 去掉不需要的特征
    data.drop(columns=[2, 24, 25, 26, 27], inplace=True, errors='ignore')

    # 转换数据为数值类型
    data = data.apply(pd.to_numeric, errors='coerce')

    # 分离特征与目标变量
    X = data.drop(columns=[target_col]).values  # 特征
    y = data[target_col].values  # 目标变量

    return X, y


def train_logreg(X, y, learning_rate=0.01, iterations=1000):
    """
    训练逻辑回归模型。
    参数:
        X: 特征数据
        y: 目标变量
        learning_rate: 学习率
        iterations: 训练迭代次数
    返回:
        权重向量
    """
    m, n = X.shape
    weights = np.zeros(n)  # 初始化权重
    for i in range(iterations):
        # 计算预测值
        linear_model = np.dot(X, weights)
        y_predicted = 1 / (1 + np.exp(-linear_model))

        # 更新权重
        gradient = np.dot(X.T, (y_predicted - y)) / m
        weights -= learning_rate * gradient

    return weights


def predict_logreg(inX, weights):
    """
    使用训练好的模型进行预测。
    参数:
        inX: 单个输入数据
        weights: 权重向量
    返回:
        预测结果
    """
    linear_model = np.dot(inX, weights)
    y_predicted = 1 / (1 + np.exp(-linear_model))
    return 1 if y_predicted >= 0.5 else 0  # 返回二分类结果


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")

    # 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]}")