# 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 = "202210423221"
name = "廖子豪"


# 这里写自己的代码实现
def load_data(filepath):
    """
    从文件中加载数据。

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

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    try:
        # 使用 numpy 的 genfromtxt 函数加载数据，自动处理缺失值
        # 指定空格作为分隔符
        data = np.genfromtxt(filepath, delimiter=' ', dtype=float, filling_values=np.nan)
        
        print(f"Loaded data shape: {data.shape}")  # 调试打印数据形状
        
        # 检查数据是否为一维数组
        if data.ndim == 1:
            raise ValueError("数据加载后为一维数组，预期为二维数组。请检查数据文件格式。")
        
        # 检查数据文件中是否有足够的列
        if data.shape[1] < 2:
            raise ValueError("数据文件中没有足够的列。每行至少需要包含一个特征和一个标签。")
        
        # 分离特征和标签
        X = data[:, :-1]  # 所有行，除了最后一列
        y = data[:, -1]   # 所有行，只有最后一列

        # 填充缺失值，这里使用每列的均值来填充
        X = np.nan_to_num(X, nan=np.nanmean(X, axis=0))

        return X, y
    except Exception as e:
        print(f"Error loading data: {e}")
        # 返回空数组而不是None，以避免后续代码中出现错误
        return np.empty((0, 0)), np.empty(0)

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。
    - learning_rate (float): 学习率，默认为0.01。
    - iterations (int): 迭代次数，默认为1000。

    Returns:
    - numpy array: 训练得到的权重。
    """
    m, n = X.shape
    # 添加偏置项
    X = np.c_[np.ones((m, 1)), X]
    weights = np.zeros(n + 1)
    for _ in range(iterations):
        for i in range(m):
            z = np.dot(X[i], weights)
            y_pred = 1 / (1 + np.exp(-z))
            weights -= learning_rate * (y[i] - y_pred) * X[i]
    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。
    """
    # 添加偏置项
    inX = np.c_[np.ones((1, 1)), inX]
    z = np.dot(inX, weights)
    y_pred = 1 / (1 + np.exp(-z))
    return 1 if y_pred > 0.5 else 0

if __name__ == "__main__":
    # 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")

    # 特征缩放
    scaler = StandardScaler()
    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=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]}")

    # 评估模型
    y_pred_all = [predict_logreg(X_test[i], weights) for i in range(len(X_test))]
    accuracy = np.mean(y_pred_all == y_test)
    print(f"Accuracy: {accuracy}")