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。
"""

# 填写学号和姓名
id = "202210423213"  # 请替换为实际学号
name = "熊浩燃"   # 请替换为实际姓名

def sigmoid(z):
    """计算Sigmoid函数值"""
    return 1 / (1 + np.exp(-z))

def train_logreg(X, y, learning_rate=0.01, iterations=5000, reg_lambda=0.1):
    """
    对率回归训练函数，带正则化项。

    Args:
    - X (numpy array): 特征数据。
    - y (numpy array): 标签数据。
    - learning_rate (float): 学习率，默认为0.01。
    - iterations (int): 梯度下降迭代次数，默认为5000。
    - reg_lambda (float): L2正则化系数，默认为0.1。

    Returns:
    - numpy array: 训练得到的权重。
    """
    # 数据标准化
    X = (X - X.mean(axis=0)) / X.std(axis=0)

    # 初始化权重
    weights = np.zeros(X.shape[1])
    
    # 批量梯度下降
    for i in range(iterations):
        predictions = sigmoid(np.dot(X, weights))
        errors = y - predictions
        # 更新权重，带L2正则化
        weights += learning_rate * (np.dot(X.T, errors) - reg_lambda * weights)
    
    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。
    """
    probability = sigmoid(np.dot(inX, weights))
    return 1 if probability >= 0.5 else 0

def load_data(filepath):
    """
    从文件中加载数据，并填充缺失值。

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

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    data = np.genfromtxt(filepath, delimiter=" ", dtype=float, missing_values="?", filling_values=np.nan)
    
    # 使用列均值填充缺失值
    col_means = np.nanmean(data, axis=0)
    indices = np.where(np.isnan(data))
    data[indices] = np.take(col_means, indices[1])
    
    X = data[:, :-1]  # 特征
    y = data[:, -1]   # 标签
    return X, y

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=5000, reg_lambda=0.1)

    # 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]}")