# 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 = "202210423124"
name = "刘子豪"


# 这里写自己的代码实现
def train_logreg(X, y, other_params="你自己设置一些其它参数"):
    """
    对率回归训练函数。

    Args:
    - X (numpy array): 特征数据。
    - y (numpy array): 标签数据。
    - other_params (str): 其它参数，可选设置。若需设置其它参数，必须设置其默认值，否则将**无法通过**自动评测，**成绩为零**。

    Returns:
    - numpy array: 训练得到的权重。
    """
    m, n = X.shape
    weights = np.zeros(n)

    for _ in range(iterations):
        z = np.dot(X, weights)
        predictions = 1 / (1 + np.exp(-z))  # 计算sigmoid
        errors = y - predictions
        gradient = np.dot(X.T, errors) / m
        weights += learning_rate * gradient
    
    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。
    """
    z = np.dot(inX, weights)
    probability = 1 / (1 + np.exp(-z))
    return 1 if probability >= 0.5 else 0


# 这里也写自己的代码实现
def load_data(filepath):
    """
    从文件中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。

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

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    data = []
    labels = []

    # 读取数据并处理缺失值
    with open(filepath, 'r') as file:
        for line in file:
            fields = line.strip().split()
            if len(fields) < 2:
                continue
            
            features = fields[:-1]
            label = fields[-1]
            
            # 记录特征和标签
            data.append(features)
            labels.append(label)
    
    # 转换数据为 NumPy 数组，方便进一步处理
    data = np.array(data)
    labels = np.array(labels, dtype=int)

    # 用于存储浮点型数据
    numeric_data = np.zeros(data.shape, dtype=float)

    # 对每列进行缺失值填补
    for col in range(data.shape[1]):
        # 获取列数据，将 "?" 替换为 NaN，然后计算均值
        col_data = np.where(data[:, col] == '?', np.nan, data[:, col]).astype(float)
        mean_value = np.nanmean(col_data)  # 计算均值忽略 NaN

        # 将 NaN 替换为均值
        col_data = np.where(np.isnan(col_data), mean_value, col_data)
        numeric_data[:, col] = col_data

    return numeric_data, 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
    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]}")