# function.py
import numpy as np
from collections import Counter
from scipy.spatial.distance import cdist
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 = "202210423210"
name = "陈宇杰"


"""
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。
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=37):
    """
    KNN 分类函数
    :param inX: 待分类的样本
    :param dataSet: 训练数据集
    :param labels: 训练集对应的标签
    :param k: 选择的邻居数
    :return: 预测的分类标签
    """
    distances = np.linalg.norm(dataSet - inX, axis=1)  # 计算欧几里得距离
    nearest_indices = distances.argsort()[:k]  # 获取最近的 k 个邻居
    nearest_labels = [labels[i] for i in nearest_indices]  # 获取这些邻居的标签
    predicted_label = Counter(nearest_labels).most_common(1)[0][0]  # 多数投票
    return predicted_label

def load_data(file_path):
    """
    加载 TSV 格式数据文件
    :param file_path: 数据文件路径
    :return: 特征和标签
    """
    data = np.loadtxt(file_path, delimiter="\t")  # 加载数据
    features = data[:, :-1]  # 特征
    labels = data[:, -1].astype(int)  # 标签
    return features, labels

def main():
    # 加载训练集
    train_file = "datingTrainSet2.tsv"  # 训练集文件路径
    train_data, train_labels = load_data(train_file)  # 加载数据

    # 特征缩放
    scaler = StandardScaler()  # 创建标准化对象
    train_data = scaler.fit_transform(train_data)  # 对训练数据进行标准化

    # 设置 K 值
    k = 8  # 将 K 值设置为 3

    # 手动实现 KNN 分类计算准确率
    correct_predictions = 0
    total_tests = len(train_data)  # 测试的总数

    for i in range(total_tests):
        # 留出一条数据作为测试集，其余作为训练集
        test_sample = train_data[i]
        train_subset = np.delete(train_data, i, axis=0)
        train_labels_subset = np.delete(train_labels, i)

        # 使用 KNN 分类器预测
        predicted_label = classify0(test_sample, train_subset, train_labels_subset)
        
        # 输出分类结果
        if predicted_label == train_labels[i]:
            correct_predictions += 1
        else:
            print(f"第 {i + 1} 次测试错误，数据 {test_sample} 被分类到 {predicted_label}，实际是 {train_labels[i]}")

    accuracy = correct_predictions / total_tests  # 计算准确性
    print(f"使用 K 值 {k} 的准确率: {accuracy:.4f}")

    # 测试分类
    test_sample = [65915, 3.868359, 0.128078]  # 测试样本
    test_sample = scaler.transform([test_sample])  # 对测试样本进行相同的缩放
    predicted_label = classify0(test_sample[0], train_data, train_labels)  # 分类

    print(f"测试样本 {test_sample[0]} 的预测分类标签为: {predicted_label}")

if __name__ == "__main__":
    main()