# function.py
import numpy as np
import os

"""
实验说明:
- 自行编写实现数据加载与 kNN 的手写数字分类算法。
- 函数输入: 待分类的样本 input_vector, 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:
- 在 function.py 中实现 kNN 分类算法。
- 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 classify 和 load_data 函数，请勿修改函数名。
- 训练集和测试集需手动下载解压，并放入当前目录下。

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 = "202210423112"
name = "严锡好"


"""
参数说明:
- input_vector (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。
"""

# 这里写自己的代码实现
def classify(input_vector, dataSet, labels, k=3):
    """
    KNN 分类算法。

    Args:
    - input_vector (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。
    """
    # 检查k的值是否大于训练集样本数，如果是，则抛出异常
    if k > len(labels):
        raise ValueError("k 不能大于训练集样本数")

    # 计算输入向量与数据集中每个样本的欧几里得距离
    distances = np.linalg.norm(dataSet - input_vector, axis=1)
    # 获取距离最近的k个样本的索引
    sorted_indices = distances.argsort()
    # 获取这k个最近邻样本的标签
    nearest_labels = np.array(labels)[sorted_indices[:k]]
    # 统计这k个样本中出现次数最多的标签，并返回该标签作为预测结果
    predicted_label = np.bincount(nearest_labels).argmax()
    return predicted_label

def load_dataset(directory):
    """
    从文件夹中加载数据，若不自行正确实现，则无法通过评测，不记录成绩。

    Args:
    - directory (str): 数据文件夹路径。

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    data = []
    labels = []
    # 遍历文件夹中的所有文件
    for filename in os.listdir(directory):
        if filename.endswith(".txt"):
            # 提取文件名中的标签信息
            label = int(filename.split('_')[0])
            labels.append(label)
            # 将图像文件转换为向量
            vector = img_to_vector(os.path.join(directory, filename))
            data.append(vector)
    return np.array(data), np.array(labels)

def img_to_vector(filename):
    """
    将二值图像转换为向量。
    该部分应为 load_dataset 函数的辅助子函数，可单独在这里实现，也可直接集成至 load_dataset 函数中。

    Args:
    - filename (str): 图像文件路径。

    Returns:
    - np.array: 二值图像向量。
    """
    with open(filename, 'r') as f:
        lines = f.readlines()
    # 将32x32的字符矩阵转换为长度为1024的一维数组
    vector = np.array([int(char) for line in lines for char in line.strip()])
    return vector

if __name__ == "__main__":
    # 加载训练集和测试集
    train_data, train_labels = load_dataset("D:\projects\机器学习_projects\实验\trainingDigits")
    test_data, test_labels = load_dataset("D:\projects\机器学习_projects\实验\testDigits")

    # 记录预测的正确数量
    correct_count = 0

    # 遍历测试集，逐个样本进行分类
    for i in range(len(test_data)):
        predicted_label = classify(test_data[i], train_data, train_labels)
        print(f"测试样本 {i+1} 的真实标签: {test_labels[i]}，预测标签: {predicted_label}")

        # 如果预测正确，则正确数量加一
        if predicted_label == test_labels[i]:
            correct_count += 1

    # 打印准确率
    accuracy = correct_count / len(test_data) * 100
    print(f"测试集的准确率: {accuracy:.2f}%")