import numpy as np
from sklearn.tree import DecisionTreeClassifier
"""
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。
"""

"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423208"
name = "刘义天"


# 加载数据并添加非线性特征
def load_data(filepath):
    """
    从文件中加载数据并生成非线性特征。

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

    Returns:
    - X (numpy array): 包含非线性特征的特征数据
    - y (numpy array): 标签数据
    """
    # 读取数据，指定分隔符为空格，缺失值符号为 '?'
    data = np.genfromtxt(filepath, delimiter=" ", dtype=str)
    
    # 将 '?' 替换为 np.nan 并转换为浮点数
    data[data == '?'] = np.nan
    data = data.astype(float)
    
    # 对每一列的缺失值使用列的均值填充
    col_means = np.nanmean(data, axis=0)
    inds = np.where(np.isnan(data))
    data[inds] = np.take(col_means, inds[1])
    
    # 分离特征和标签
    X = data[:, :-1]
    y = data[:, -1]
    
    # 生成非线性特征 (平方和对数)
    square_features = X ** 2
    log_features = np.log1p(X)  # 使用 log1p 避免 log(0)
    
    # 将非线性特征添加到原特征集
    X = np.hstack([X, square_features, log_features])
    
    return X, y


# 对率回归训练函数
def train_logreg(X, y, learning_rate=0.01, num_iterations=1000, regularization_strength=0):
    """
    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。
    - num_iterations (int): 迭代次数。
    - regularization_strength (float): 正则化强度。

    Returns:
    - weights (numpy array): 训练得到的权重。
    """
    m, n = X.shape
    weights = np.zeros(n)
    for _ in range(num_iterations):
        predictions = 1 / (1 + np.exp(-np.dot(X, weights)))
        gradient = (1 / m) * np.dot(X.T, (predictions - y)) + regularization_strength * weights
        weights -= learning_rate * gradient
    return weights


# 决策树训练函数
def train_decision_tree(X, y):
    """
    训练简单的决策树模型。

    Args:
    - X (numpy array): 特征数据
    - y (numpy array): 标签数据

    Returns:
    - clf (DecisionTreeClassifier): 训练好的决策树模型
    """
    clf = DecisionTreeClassifier(max_depth=5, random_state=42)
    clf.fit(X, y)
    return clf


# 融合预测函数
def predict_fusion(inX, weights, clf):
    """
    融合对率回归和决策树的预测结果。

    Args:
    - inX (numpy array): 输入待分类的样本。
    - weights (numpy array): 对率回归的权重。
    - clf (DecisionTreeClassifier): 训练好的决策树模型。

    Returns:
    - int: 最终预测的分类标签。
    """
    # 对率回归预测
    probability_logreg = 1 / (1 + np.exp(-np.dot(inX, weights)))
    prediction_logreg = 1 if probability_logreg >= 0.4 else 0

    # 决策树预测
    prediction_tree = clf.predict(inX.reshape(1, -1))[0]
    
    # 融合投票
    final_prediction = 1 if (prediction_logreg + prediction_tree) >= 1 else 0
    return final_prediction

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]}")