# function.py
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

"""
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 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

def find_best_k(X_train, y_train):
    """
    使用交叉验证找到最佳的 k 值。
    """
    param_grid = {'n_neighbors': range(1, 21), 'weights': ['uniform', 'distance']}
    knn = KNeighborsClassifier()
    grid_search = GridSearchCV(knn, param_grid, cv=5)
    grid_search.fit(X_train, y_train)
    return grid_search.best_params_

if __name__ == "__main__":
    # 加载数据
    train_file = "datingTestSet2.tsv"
    X, y = load_data(train_file)

    # 分割数据集
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

    # 标准化特征
    scaler = StandardScaler()
    X_train = scaler.fit_transform(X_train)
    X_test = scaler.transform(X_test)

    # 寻找最佳 k 值
    best_params = find_best_k(X_train, y_train)
    best_k = best_params['n_neighbors']
    best_weights = best_params['weights']

    # 使用最佳参数训练模型并评估
    knn = KNeighborsClassifier(n_neighbors=best_k, weights=best_weights)
    knn.fit(X_train, y_train)
    y_pred = knn.predict(X_test)
    
    # 输出准确率
    accuracy = accuracy_score(y_test, y_pred)
    print(f"最佳 k 值: {best_k}, 权重: {best_weights}, 准确率: {accuracy:.2f}")