# function.py
import numpy as np
from sklearn.model_selection import train_test_split
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 = "202210423130"
name = "董秋"


# 这里写自己的代码实现
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。
    - other_params (str): 其它参数，可选设置。若需设置其它参数，必须设置其默认值，否则将**无法通过**自动评测，**成绩为零*。

    Returns:
    - numpy array: 训练得到的权重。
    """
    m, n = X.shape
    weights = np.zeros(n)
    
    for _ in range(iterations):
        # 计算预测值
        z = np.dot(X, weights)
        predictions = 1 / (1 + np.exp(-z))
        
        # 计算损失的梯度
        gradient = np.dot(X.T, (predictions - y)) / m
        
        # 更新权重
        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)
    prediction_prob = 1 / (1 + np.exp(-z))
    
    return 1 if prediction_prob >= 0.5 else 0

# 这里也写自己的代码实现
def load_data(filepath):
    data = []
    labels = []
    
    with open(filepath, 'r') as f:
        for line in f:
            values = line.strip().replace('?', '0').split()
            try:
                values = [float(v) for v in values]
                data.append(values[:-1])
                labels.append(values[-1])
            except ValueError:
                continue
    
    return np.array(data), np.array(labels)

def preprocess_data(filepath):
    # 加载数据
    X, y = load_data(filepath)
    
    # 特征缩放
    scaler = StandardScaler()
    X_scaled = scaler.fit_transform(X)
    
    # 拆分数据集
    X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)
    
    return X_train, X_test, y_train, y_test

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)

    # 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]}")