# 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 = "202210423213"
name = "熊浩燃"

def sigmoid(z):
    return 1 / (1 + np.exp(-z))

def standardize(X):
    """ 数据标准化：均值为0，标准差为1 """
    return (X - np.mean(X, axis=0)) / (np.std(X, axis=0) + 1e-8)  # 避免除零

def train_logreg(X, y, learning_rate=0.0005, iterations=3000, batch_size=32, lambda_=0.05):
    """
    对率回归训练函数，包含批量梯度下降和L2正则化。

    Args:
    - X (numpy array): 特征数据。
    - y (numpy array): 标签数据。
    - learning_rate (float): 学习率。
    - iterations (int): 迭代次数。
    - batch_size (int): 每次更新的样本数。
    - lambda_ (float): L2正则化项的系数。

    Returns:
    - numpy array: 训练得到的权重。
    """
    X = standardize(X)  # 使用标准化数据
    m, n = X.shape
    weights = np.random.rand(n) * 0.01  # 初始化权重为小的随机数
    
    for _ in range(iterations):
        # 确保 batch_size 不超过 m
        effective_batch_size = min(batch_size, m)
        
        # 随机选择一个小批量
        indices = np.random.choice(m, effective_batch_size, replace=False)
        X_batch = X[indices]
        y_batch = y[indices]
        
        # 计算预测和梯度
        z = np.dot(X_batch, weights)
        h = sigmoid(z)
        gradient = np.dot(X_batch.T, (h - y_batch)) / effective_batch_size + lambda_ * weights
        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。
    """
    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，若不自行正确实现，则无法通过评测，**不记录成绩**。

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

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    data = []
    labels = []
    with open(filepath, 'r') as file:
        for line in file:
            line_data = line.strip().split()
            if '?' not in line_data:  # 忽略缺失值的行
                data.append([float(x) for x in line_data[:-1]])
                labels.append(int(float(line_data[-1])))
    return np.array(data), np.array(labels)

if __name__ == "__main__":
    # 测试数据加载和模型训练预测
    X_train, y_train = load_data("./data/horse-colic.data")
    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=0.0005, iterations=3000, batch_size=32, lambda_=0.05)

    # 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]}")