# function.py
import numpy as np
from sklearn.preprocessing import StandardScaler  
from sklearn.metrics import accuracy_score
"""
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, lambda_reg=0.1):
    m, n = X.shape  
    weights = np.zeros(n)  
    bias = 0  
      
    for _ in range(iterations):  
        linear_output = np.dot(X, weights) + bias  
        y_predicted = 1 / (1 + np.exp(-linear_output))  
          
        # 计算梯度（包括正则化项）  
        dw = (1 / m) * np.dot(X.T, (y_predicted - y)) + (lambda_reg / m) * weights  
        db = (1 / m) * np.sum(y_predicted - y)  
          
        # 更新权重和偏置  
        weights -= learning_rate * dw  
        bias -= learning_rate * db  
      
    return weights, bias    

def predict_logreg(inX, weights, bias):
    linear_output = np.dot(inX, weights) + bias  
    y_predicted = 1 if linear_output >= 0 else 0  # 简化阈值判断，因为已经通过sigmoid函数输出  
    # 注意：这里为了与原始代码保持一致，使用了0.5作为阈值，但实际上由于sigmoid输出范围在(0,1)，可以直接比较linear_output和0  
    # return 1 if y_predicted >= 0.5 else 0  # 等价于上面的判断，但多余计算了sigmoid  
    return y_predicted 

# 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:  
            parts = line.strip().split()  
            # 将缺失值'?'替换为np.nan，然后使用0填充（或选择其他适当的填充策略）  
            features = [float(part) if part != '?' else np.nan for part in parts[:-1]]  
            # 填充NaN值（这里选择0，但也可以考虑使用均值、中位数等）  
            features = np.nan_to_num(features, nan=0.0)  
            # 将标签从2转换为1（如果原始标签是1和2的话），这里假设标签已经是0和1  
            label = int(parts[-1])  # 假设标签已经是0和1，无需转换  
            data.append(features + [label])  
  
    data_array = np.array(data)  
    X = data_array[:, :-1]  
    y = data_array[:, -1]  
      
    # 特征缩放（标准化）  
    scaler = StandardScaler()  
    X_scaled = scaler.fit_transform(X)  
      
    return X_scaled, y

if __name__ == "__main__":
    # 加载训练集和测试集  
    X_train, y_train = load_data("./data/horse-colic.data")  
    X_test, y_test = load_data("./data/horse-colic.test")  
      
    # 训练对率回归模型  
    weights, bias = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000, lambda_reg=0.1)  
      
    # 测试模型并评估性能  
    y_pred = [predict_logreg(x, weights, bias) for x in X_test]  
    accuracy = accuracy_score(y_test, y_pred)  
    print(f"模型准确率: {accuracy}")  
      
    # 打印单个测试样本的预测结果和实际结果（示例）  
    # 注意：索引11可能需要根据实际测试集调整，这里仅作为示例  
    sample_index = 11  # 假设要测试的样本索引是11（注意：索引可能需要根据实际数据调整）  
    print(f"预测结果: {y_pred[sample_index]}, 实际结果: {y_test[sample_index]}")