# function.py
import numpy as np

"""
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 = "202210423217"
name = "吴俊煯"


# 这里写自己的代码实现
def train_logreg(X, y, learning_rate=0.01, iterations=1000):
    m, n = X.shape  
    weights = np.zeros(n)  
    bias = 0  
      
    for _ in range(iterations):  
        for idx, x_i in enumerate(X):  
            linear_output = np.dot(x_i, weights) + bias  
            y_predicted = 1 / (1 + np.exp(-linear_output))  
              
            # 计算误差  
            error = y[idx] - y_predicted  
              
            # 更新权重和偏置  
            weights += learning_rate * error * x_i  
            bias += learning_rate * error  
      
    return weights    

def predict_logreg(inX, weights):
    linear_output = np.dot(inX, weights)  
    y_predicted = 1 / (1 + np.exp(-linear_output))  
      
    # 将输出转换为分类标签  
    return 1 if y_predicted >= 0.5 else 0 

# 这里也写自己的代码实现
def load_data(filepath):
    data = []  
    with open(filepath, 'r') as file:  
        for line in file:  
            # 分割行，并去除任何可能的空白字符  
            parts = [part.strip() for part in line.split()]  
            # 将缺失值'?'替换为0（或者你可以选择其他适当的处理方式）  
            features = [float(part) if part != '?' else 0 for part in parts[:-1]]  
            # 将标签从2转换为1（如果原始标签是1和2的话）  
            label = int(parts[-1]) - 1  # 假设原始标签是1和2，转换为0和1  
            data.append(features + [label])  
      
    # 将数据转换为numpy数组  
    data_array = np.array(data)  
      
    # 分离特征和标签  
    X = data_array[:, :-1]  # 所有行，除了最后一列  
    y = data_array[:, -1]   # 所有行的最后一列  
      
    return X, y

if __name__ == "__main__":
    # 加载训练集  
    X_train, y_train = load_data("./data/horse-colic.data")  
  
    # 加载测试集  
    X_test, y_test = load_data("./data/horse-colic.test")  
  
    # 训练对率回归模型  
    weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000)  
  
    # 测试单个数据  
    y_pred = predict_logreg(X_test[11], weights)  
    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")