# 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。
姓名请直接**填写中文**
例如: name = "张三"
"""
id = "202210423113"
name = "杨文强"


# 这里写自己的代码实现
def train_logreg(X, y, learning_rate=0.01, iterations=1000):
    """
    对率回归训练函数。

    Args:
    - X (numpy array): 特征数据。
    - y (numpy array): 标签数据。
    - learning_rate (float): 学习率，控制每次更新的步长。
    - iterations (int): 迭代次数。

    Returns:
    - numpy array: 训练得到的权重。
    """
    # 初始化权重
    m, n = X.shape
    weights = np.zeros(n)
    bias = 0

    # 梯度下降
    for i in range(iterations):
        # 计算线性模型
        z = np.dot(X, weights) + bias
        # 应用sigmoid函数
        predictions = 1 / (1 + np.exp(-z))
        
        # 计算梯度
        dw = (1/m) * np.dot(X.T, (predictions - y))
        db = (1/m) * np.sum(predictions - 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):
    """
    对率回归预测函数。

    Args:
    - inX (numpy array): 输入待分类的样本。
    - weights (numpy array): 训练得到的权重。
    - bias (float): 训练得到的偏置。

    Returns:
    - int: 预测的分类标签。
    """
    z = np.dot(inX, weights) + bias
    prediction = 1 / (1 + np.exp(-z))
    return 1 if prediction >= 0.5 else 0  # 分类阈值为0.5



# 这里也写自己的代码实现

def load_data(filepath):
    """
    从文件中加载数据，处理非法字符（如 '?'）并填充缺失值。

    Args:
    - filepath (str): 数据文件路径。

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    # 使用pandas加载数据，这样可以更方便地处理缺失值
    import pandas as pd
    
    # 加载数据，假设数据是空格或制表符分隔的，非法字符 '?' 会被替换为 NaN
    df = pd.read_csv(filepath, sep=' ', header=None, na_values='?')
    
    # 将 NaN 填充为该列的均值
    df.fillna(df.mean(), inplace=True)
    
    # 将最后一列作为标签y，其他列作为特征X
    X = df.iloc[:, :-1].values  # 特征数据
    y = df.iloc[:, -1].values   # 标签数据
    
    return X, y


if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改
    # 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]}")