# function.py
import numpy as np

"""
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 = "202210423130"
name = "董秋"


"""
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
import operator
from collections import Counter 
def classify0(inX, dataSet, labels, k=1):
    """
    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。
    """
    inX = np.atleast_2d(inX)  
      
    # 计算训练数据集的均值向量  
    meanVec = np.mean(dataSet, axis=0)  
      
    # 计算训练数据集的协方差矩阵  
    covMat = np.cov(dataSet.T)  
      
    # 检查协方差矩阵是否可逆（理论上应该是可逆的，除非数据有问题）  
    if np.linalg.det(covMat) == 0:  
        raise ValueError("Covariance matrix is singular and cannot be inverted.")  
      
    # 计算协方差矩阵的逆矩阵  
    invCovMat = np.linalg.inv(covMat)  
      
    # 计算输入样本与每个训练样本之间的马氏距离  
    distances = []  
    for x_train in dataSet:  
        diff = inX - x_train  # 计算差值向量  
        diff_T = diff.T        # 转置差值向量（虽然这里diff是二维的，但转置是为了保持公式的一致性）  
        mahalanobis_dist = np.sqrt(np.dot(np.dot(diff_T, invCovMat), diff))  # 计算马氏距离  
        distances.append(mahalanobis_dist[0, 0])  # 将距离添加到列表中（注意取标量值）  
      
    # 将距离列表转换为NumPy数组以便排序  
    distances = np.array(distances)  
      
    # 按照距离排序，并获取最近的k个点的索引  
    sortedDistIndicies = distances.argsort()  
      
    # 使用Counter来统计每个类别的计数，这样可以直接得到最频繁的类别  
    classCount = Counter(labels[sortedDistIndicies[:k]])  
      
    # 返回出现次数最多的类别的标签  
    return classCount.most_common(1)[0][0]
   
       


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"

    train_data, train_labels = load_data(train_file)

    print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))