# function.py  
import numpy as np  
import pandas as pd 

"""  
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。  
姓名请直接**填写中文**  
例如: name = "张三"  
"""  
id = "20221042323"  
name = "李顺潮"  


# 这里写自己的代码实现  
def train_logreg(X, y, other_params=None):  
    """  
    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)  # 初始化权重  
    learning_rate = 0.01   # 学习率设置  
    num_iterations = 1000   # 迭代次数  

    # 对率回归的梯度下降  
    for _ in range(num_iterations):  
        linear_model = np.dot(X, weights)  
        predictions = 1 / (1 + np.exp(-linear_model))  # Sigmoid函数  
        errors = y - predictions  
        weights += learning_rate * np.dot(X.T, errors) / m  # 更新权重  

    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。  
    """  
    linear_model = np.dot(inX, weights)  
    predictions = 1 / (1 + np.exp(-linear_model))  # Sigmoid函数  
    return np.round(predictions).astype(int)  # 返回0或1  


# 这里也写自己的代码实现  
def load_data(filepath):  
    """  
    从文件中加载数据，处理缺失值并确保格式正确。  

    Args:  
    - filepath (str): 数据文件路径。  

    Returns:  
    - np.array: 特征数据。  
    - np.array: 标签数据。  
    """  
    # 使用 pandas 加载数据  
    data = pd.read_csv(filepath, header=None, na_values='?')  
    
    # 将数据中的缺失值用均值填充（或可以选择其他策略）  
    data.fillna(data.mean(), inplace=True)  

    # 提取特征和标签  
    X = data.iloc[:, :-1].values  # 假设最后一列为标签  
    y = data.iloc[:, -1].values    # 最后一列为标签  

    # 确保 y 是二进制的，1表示死亡，0表示存活  
    y = np.where(y == 1, 1, 0)  # 处理标签，确保其为0或1  
    return X, y   


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")