# function.py
import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler


"""
挑战说明:
- 自行编写实现 KNN 分类算法。
- 函数输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
- 函数返回: 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:
- 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 = "202210423213"
name = "熊浩燃"


"""
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。
- k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
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=3):
    """
    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。
    - k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。

    Returns:
    - int: 预测的分类标签。
    """
    # 标准化数据
    scaler = StandardScaler()
    dataSet = scaler.fit_transform(dataSet)
    inX = scaler.transform([inX])[0]
    
    # 计算协方差矩阵的逆
    cov_matrix = np.cov(dataSet, rowvar=False)
    inv_cov_matrix = np.linalg.inv(cov_matrix)
    
    # 计算马氏距离
    diff = dataSet - inX
    distances = np.sqrt(np.sum(diff @ inv_cov_matrix * diff, axis=1))
    
    # 按距离排序并返回 k 个最近的标签
    sorted_indices = distances.argsort()
    nearest_labels = [labels[i] for i in sorted_indices[:k]]
    
    # 找出出现次数最多的标签
    label_counts = np.bincount(nearest_labels)
    return label_counts.argmax()


def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    """
    data = pd.read_csv(file_path, sep='\t', header=None).values
    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
    train_file = "datingTestSet2.tsv"
    train_data, train_labels = load_data(train_file)
    
    # 预测结果
    print(classify0(np.array([65915, 3.868359, 0.128078]), train_data, train_labels, k=3))