# function.py
import numpy as np  
from sklearn.preprocessing import StandardScaler  
from sklearn.decomposition import PCA  # 可选：用于降维  
from numpy.linalg import inv, LinAlgError  
from scipy.spatial.distance import mahalanobis
"""
挑战说明:
- 自行编写实现 KNN 分类算法。
- 输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
- 输出: 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:
- Ubuntu 22.04.04 LTS
- Python 3.10.12
"""


"""
请在这里填写学号和姓名，不填写即成绩无效。
"""
id = "202210423217"
name = "吴俊煯"


"""
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。
返回值:
- int: 预测的分类标签。
"""

def preprocess_data(data, use_pca=False, pca_components=None):  
    """  
    对数据进行预处理，包括归一化和可选的降维。  
      
    Args:  
    - data (numpy array): 输入数据集（形状应为 (m, n)）。  
    - use_pca (bool): 是否使用PCA降维。  
    - pca_components (int): 如果使用PCA，则指定要保留的主成分数量。  
      
    Returns:  
    - tuple: 预处理后的数据、scaler对象和（可选的）pca对象。  
    """  
    scaler = StandardScaler()  
    data_scaled = scaler.fit_transform(data)  
    mean_vec = np.mean(data_scaled, axis=0)  
    cov_mat = np.cov(data_scaled, rowvar=False)  
    inv_cov_mat = inv(cov_mat)  
    return data_scaled, scaler, mean_vec, inv_cov_mat

  
# 这里写自己的代码实现
def classify_mahalanobis(inX, dataSet, labels, k=4):  
    """  
    使用马氏距离的KNN分类算法。  
  
    Args:  
    - inX (numpy array): 输入待分类的样本（形状应为 (1, n) 或 (n,)）。  
    - dataSet (numpy array): 训练数据集（形状应为 (m, n)）。  
    - labels (numpy array): 训练集对应的标签。  
    - k (int): 选择最近邻的个数。  
  
    Returns:  
    - int: 预测的分类标签。  
    """  
    # 预处理数据  
    dataSet_scaled, scaler, mean_vec, inv_cov_mat = preprocess_data(dataSet)  
    inX_scaled = scaler.transform(inX.reshape(1, -1))  
  
    # 计算马氏距离  
    distances = [mahalanobis(inX_scaled[0], dataSet_scaled[i], inv_cov_mat) for i in range(dataSet_scaled.shape[0])]  
  
    # 按距离排序，并获取前k个训练样本的索引  
    k_indices = np.argsort(distances)[:k]  
  
    # 获取前k个训练样本的标签  
    k_nearest_labels = labels[k_indices]  
  
    # 找出最常见的标签  
    most_common = np.bincount(k_nearest_labels).argmax()  
  
    return most_common

def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    """
    features = []
    labels = []

    with open(file_path, "r") as file:
        for line in file:
            values = line.strip().split("\t")
            features.append([float(x) for x in values[:-1]])
            labels.append(int(values[-1]))
    features = np.array(features)  
    labels = np.array(labels)  
  
    # 归一化特征值  
    scaler = StandardScaler()  
    features_scaled = scaler.fit_transform(features)  
  
    return features_scaled, labels, scaler  # 返回归一化后的特征和缩放器对象


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)

    print(classify0([65915, 3.868359, 0.128078], train_data, train_labels))