# function.py
import numpy as np
from sklearn.preprocessing import StandardScaler

"""
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 = "202210423117"
name = "程悦"

def sigmoid(z):
    return 1.0 / (1 + np.exp(-z))

def train_logreg(X, y, learning_rate=0.01, iterations=1000):
    """
    对率回归训练函数。

    Args:
    - X (numpy array): 特征数据。
    - y (numpy array): 标签数据。

    Returns:
    - numpy array: 训练得到的权重。
    """
    m, n = X.shape
    weights = np.zeros(n)
    for i in range(iterations):
        z = np.dot(X, weights)
        h = sigmoid(z)
        gradient = np.dot(X.T, (h - y)) / m
        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。
    """
    z = np.dot(inX, weights)
    h = sigmoid(z)
    return 1 if h > 0.5 else 0

def load_data(filepath):
    """
    从文件中加载数据，填充缺失值，并进行特征处理。

    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 f:
        lines = f.readlines()
        for line in lines:
            line = line.strip().split()
            if len(line) >= 1 and line[-1].isdigit():
                # 将缺失值 '?' 填充为 0，并转换为浮点数
                line_data = [1] + [0 if x == '?' else float(x) for x in line[:-1]]
                data.append(line_data)
                labels.append(int(line[-1]))

    data = np.array(data)
    labels = np.array(labels)

    # 选择特征，合并目标变量
    target_variable = labels
    target_variable[(target_variable == 2) | (target_variable == 3)] = 0  # 合并死亡和安乐死为0

    # 去掉特征3和特征24~28
    data = np.delete(data, [2] + list(range(23, 28)), axis=1)  # 特征3的索引是2，特征24-28的索引是23-27

    scaler = StandardScaler()
    data = scaler.fit_transform(data)
    
    return data, target_variable

if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改
    # 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=1000, re
    ='l1')

    # 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]}")