# function.py
import numpy as np   
from numpy.linalg import inv
"""
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。
"""



# 这里写自己的代码实现
def classify0(inX, dataSet, labels, k=50, cov_inv=None):  
    """  
    KNN 分类算法，使用马氏距离。  
  
    Args:  
    - inX (numpy array): 输入待分类的样本（形状应为 (1, 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。  
    - cov_inv (numpy array): 训练数据协方差矩阵的逆（可选，如果未提供，则函数内部计算）。  
  
    Returns:  
    - int: 预测的分类标签。  
    """  
    if cov_inv is None:  
        # 计算训练数据的协方差矩阵并求逆  
        cov_matrix = np.cov(dataSet.T)  
        cov_inv = inv(cov_matrix)    
    differences = dataSet - inX  
    mahalanobis_distances = np.sqrt(np.sum(differences @ cov_inv @ differences.T, axis=1))  
  
    # 按距离排序，并获取前 k 个训练样本的索引  
    k_indices = np.argsort(mahalanobis_distances)[:k]  
  
    # 获取前 k 个训练样本的标签  
    k_nearest_labels = labels[k_indices]  
  
    # 找到出现次数最多的标签  
    from collections import Counter  
    most_common = Counter(k_nearest_labels).most_common(1)  
  
    # 返回出现次数最多的标签  
    return most_common[0][0]  
  



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))