import os
import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
from sklearn.impute import SimpleImputer

"""
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
"""
# Sigmoid 函数
def sigmoid(z):
    return 1 / (1 + np.exp(-z))

"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423223"
name = "李顺潮"

# 对率回归训练函数
def train_logreg(X, y, learning_rate=0.01, iterations=1000):
    X = np.hstack((np.ones((X.shape[0], 1)), X))  # 在特征前添加一列全为1的列
    m, n = X.shape
    weights = np.zeros(n)

    for _ in range(iterations):
        z = np.dot(X, weights)
        predictions = sigmoid(z)  # 使用sigmoid函数
        gradient = np.dot(X.T, (predictions - y)) / m
        weights -= learning_rate * gradient

    return weights

# 对率回归预测函数
def predict_logreg(inX, weights):
    inX = np.insert(inX, 0, 1)  # 在特征前添加1作为偏置项
    prob = sigmoid(np.dot(inX, weights)) # 使用sigmoid函数

    return 1 if prob >= 0.5 else 0


# 从文件中加载数据
def load_data(filepath):
    data = pd.read_csv(filepath, header=None, na_values='?', delim_whitespace=True)

    # 使用更合理的缺失值填充策略，例如用均值或中位数填充
    imputer = SimpleImputer(strategy='mean') # 使用均值填充
    data = pd.DataFrame(imputer.fit_transform(data))


    X = data.iloc[:, :-1].to_numpy()  # 特征
    y = data.iloc[:, -1].to_numpy().astype(int)    # 标签,确保y是整数类型
    return X, y

# 准确率计算函数
def calculate_accuracy(X, y, weights):
    predictions = np.array([predict_logreg(x, weights) for x in X])
    accuracy = np.mean(predictions == y)
    return accuracy

if __name__ == "__main__":
    # 加载训练集和测试集
    X_train, y_train = load_data("E:\\Edge站内文件下载\\病马数据集\\horse-colic.data")
    X_test, y_test = load_data("E:\\Edge站内文件下载\\病马数据集\\horse-colic.test")

    # 特征缩放  (可选，但建议尝试)
    scaler = MinMaxScaler()
    X_train = scaler.fit_transform(X_train)
    X_test = scaler.transform(X_test)


    # 训练对率回归模型
    weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=10000) #增加迭代次数

    # 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]}")

    # 计算并输出模型的准确率
    accuracy = calculate_accuracy(X_test, y_test, weights)
    print(f"模型的准确率: {accuracy:.4f}")