# function.py
import numpy as np
from collections import defaultdict

"""
挑战说明:
- 自行编写实现 KNN 分类算法。
- 函数输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
- 函数返回: 预测的分类标签。

注意事项:
- 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。
- 在 function.py 中实现 KNN 分类算法。
- 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
- 训练集在本目录下的 datingTrainSet2.tsv 中。
- 评测数据集在本目录下的 datingTestSet2.tsv 中。

挑战环境:
- 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 = "202210423112"
name = "严锡好"


"""
参数说明:
- inX (numpy array): 输入待分类的样本。
- dataSet (numpy array): 训练数据集。
- labels (list or numpy array): 训练集对应的标签。
- k (int): kNN 算法参数，请**自行设置默认值**，评测时仅会使用其默认值，不修改默认值将**无法通过**评测，**成绩为零**。
返回值:
- int: 预测的分类标签。
"""


def classify0(inX, dataSet, labels, k=3):
    """
    使用马氏距离的 KNN 分类算法。

    Args:
    - inX (numpy array): 输入待分类的样本。
    - dataSet (numpy array): 训练数据集。
    - labels (list or numpy array): 训练集对应的标签。
    - k (int): kNN 算法参数，默认值为 3。

    Returns:
    - int: 预测的分类标签。
    """
    # 确保输入样本 inX 是二维数组
    inX = np.mat(inX)
    # 计算样本数量和特征数量
    numSamples, numFeatures = dataSet.shape
    
    # 计算训练集的均值和协方差矩阵
    meanVals = np.mean(dataSet, axis=0)
    covMat = np.cov(dataSet, rowvar=False)
    
    # 添加一个小的正则化项以确保协方差矩阵可逆
    covMat += np.eye(numFeatures) * 0.0001
    
    # 计算待分类样本与训练集中每个样本的马氏距离
    inXMinusMean = inX - meanVals
    dist = np.sqrt(np.sum(inXMinusMean * np.linalg.inv(covMat) * inXMinusMean.T))
    
    # 获取距离最近的k个样本的索引
    sortedDistIndices = np.argsort(dist)
    classCount = {}
    
    # 遍历距离最近的k个样本
    for i in range(min(k, numSamples)):  # 确保不会超出索引范围
        voteIlabel = labels[sortedDistIndices[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
    
    # 选择票数最多的类别作为预测标签
    sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
    return sortedClassCount[0][0]

def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    """
    data = np.loadtxt(file_path, delimiter="\t")
    features = data[:, :-1]
    labels = data[:, -1].astype(int)
    return features, labels


if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改
    train_file = "datingTrainSet2.tsv"
    train_data, train_labels = load_data(train_file)

    # 测试一个样本
    test_sample = np.array([65915, 3.868359, 0.128078])
    predicted_label = classify0(test_sample, train_data, train_labels)
    print(f"The predicted label for the test sample is: {predicted_label}")