# function.py
import numpy as np
from collections import Counter
from scipy.spatial import distance
from sklearn.preprocessing import StandardScaler

"""
挑战说明:
- 自行编写实现 KNN 分类算法。
- 输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
- 输出: 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:
- Ubuntu 22.04.04 LTS
- Python 3.10.12
"""


"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423117"
name = "程悦"


"""
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=9):
    """
    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。

    Returns:
    - int: 预测的分类标签。
    """
    # 计算协方差矩阵并求逆矩阵
    cov_matrix = np.cov(dataSet, rowvar=False)
    inv_cov_matrix = np.linalg.inv(cov_matrix)

    # 计算输入样本与训练集样本的马氏距离
    distances = [distance.mahalanobis(inX, data_point, inv_cov_matrix) for data_point in dataSet]

    # 按距离排序并选择前 k 个最近的邻居
    k_indices = np.argsort(distances)[:k]
    k_nearest_labels = [labels[i] for i in k_indices]

    # 统计最近邻居中最多的标签
    label_counts = Counter(k_nearest_labels)
    most_common_label = label_counts.most_common(1)[0][0]

    return most_common_label


def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    """
    data = np.loadtxt(file_path, delimiter="\t")
    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 = "datingTrainSet2.tsv"
    test_file = "datingTestSet2.tsv"

    train_data, train_labels = load_data(train_file)
    test_data, test_labels = load_data(test_file)

    # # 特征缩放
    # scaler = StandardScaler()
    # train_data = scaler.fit_transform(train_data)
    # test_data = scaler.transform(test_data)

    # 测试 classify0 函数
    test_sample = test_data[0]  # 使用测试集中的第一个样本进行测试
    predicted_label = classify0(test_sample, train_data, train_labels)
    print(f"Predicted label: {predicted_label}, Actual label: {test_labels[0]}")

    # 遍历整个测试集来评估分类器的性能
    correct_count = 0
    for i in range(len(test_data)):
        predicted_label = classify0(test_data[i], train_data, train_labels)
        if predicted_label == test_labels[i]:
            correct_count += 1
    accuracy = correct_count / len(test_data)
    print(f"Accuracy: {accuracy * 100:.2f}%")