# function.py
import numpy as np
import pandas as pd
from sklearn.impute import SimpleImputer
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 = "202210423112"
name = "严锡好"


# 这里写自己的代码实现
# sigmoid函数，用于逻辑回归模型中将线性输出转换为概率
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# train_logreg函数，用于训练逻辑回归模型
def train_logreg(X, y, learning_rate=0.01, iterations=1000, regularization=0.01):
    m, n = X.shape  # 获取样本数量和特征数量
    weights = np.zeros(n)  # 初始化权重为0
    for _ in range(iterations):  # 迭代指定次数
        linear_model = np.dot(X, weights)  # 计算线性模型的输出
        y_predicted = sigmoid(linear_model)  # 将线性输出转换为概率
        gradient = np.dot(X.T, (y_predicted - y)) / m + regularization * weights  # 计算梯度
        weights -= learning_rate * gradient  # 更新权重
    return weights  # 返回训练好的权重

# predict_logreg函数，用于使用训练好的权重进行预测
def predict_logreg(inX, weights):
    linear_output = np.dot(inX, weights)  # 计算线性输出
    probability = sigmoid(linear_output)  # 将线性输出转换为概率
    return 1 if probability > 0.5 else 0  # 返回预测结果，大于0.5为1，否则为0

# preprocess_data函数，用于预处理数据
def preprocess_data(X, y):
    # 合并目标变量的类别，将2和3都转换为0
    y[y == 2] = 0
    y[y == 3] = 0

    # 删除特征3和特征24~28
    X = np.delete(X, [3], axis=1)
    X = X[:, :23]

    return X, y  # 返回预处理后的数据

# load_data函数，用于加载数据
def load_data(filepath):
    # 使用Pandas读取数据，可以更好地处理缺失值和字符串
    try:
        data = pd.read_csv(filepath, header=None, sep=r'\s+', on_bad_lines='skip')
    except pd.errors.ParserError as e:
        print(f"Error parsing file: {e}")
        return None, None

    # 将'?'替换为np.nan
    data.replace('?', np.nan, inplace=True)

    # 使用SimpleImputer填充缺失值
    imputer = SimpleImputer(missing_values=np.nan, strategy='constant', fill_value=0)
    data.iloc[:, :-1] = imputer.fit_transform(data.iloc[:, :-1])

    # 将所有列转换为数值类型
    for col in data.columns[:-1]:
        data[col] = pd.to_numeric(data[col], errors='coerce')

    X = data.iloc[:, :-1].values  # 特征数据
    y = data.iloc[:, -1].values.astype(int)  # 目标变量

    # 预处理数据
    X, y = preprocess_data(X, y)

    return X, y  # 返回加载和预处理后的数据

# main函数，程序的入口点
def main():
    # 假设data文件夹和function.py在同一目录下
    X_train, y_train = load_data("./data/horse-colic.data")
    X_test, y_test = load_data("./data/horse-colic.test")

    if X_train is not None and X_test is not None:
        # 特征缩放
        scaler = StandardScaler()
        X_train = scaler.fit_transform(X_train)
        X_test = scaler.transform(X_test)

        # 训练模型
        weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000, regularization=0.1)

        # 预测测试集
        y_pred = [predict_logreg(x, weights) for x in X_test]

        # 计算准确率
        accuracy = np.mean(y_pred == y_test)
        print(f"准确率: {accuracy}")

if __name__ == "__main__":
    main()  # 调用main函数，运行程序