# function.py
import numpy as np

"""
挑战说明:
- 自行编写实现 KNN 分类算法。
- 函数输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
- 函数返回: 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:
- 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 = "202210423215"
name = "章程鸿"


"""
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
import numpy as np
from collections import Counter

def classify0(inX, dataSet, labels, k=1):
    """
    KNN 分类算法。

    Args:
    - 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。
    - k (int): KNN 算法参数，默认为3。

    Returns:
    - int: 预测的分类标签。
    """
    # 计算马氏距离
    cov_matrix = np.cov(dataSet, rowvar=False)
    inv_cov_matrix = np.linalg.inv(cov_matrix)
    mean_vector = np.mean(dataSet, axis=0)

    diffMat = inX - dataSet
    mahalanobis_distances = np.sqrt(np.sum((diffMat @ inv_cov_matrix) * diffMat, axis=1))
    
    # 排序并选取前k个最小距离
    sortedDistIndices = mahalanobis_distances.argsort()
    classCount = {}

    for i in range(k):
        voteIlabel = labels[sortedDistIndices[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1

    # 返回出现频率最高的类别
    sortedClassCount = sorted(classCount.items(), key=lambda x: x[1], reverse=True)
    return sortedClassCount[0][0]

def load_data(file_path):
    """
    加载 TSV 格式数据文件。
    """
    data = np.loadtxt(file_path, delimiter="\t")
    features = data[:, :-1]
    labels = data[:, -1].astype(int)
    return features, labels

def normalize_min_max(data):
    """
    对数据进行最小-最大缩放归一化。

    Args:
    - data (numpy array): 待归一化的数据。

    Returns:
    - numpy array: 归一化后的数据。
    - numpy array: 最小值。
    - numpy array: 最大值。
    """
    min_vals = data.min(0)
    max_vals = data.max(0)
    ranges = max_vals - min_vals
    # 避免除以零的情况
    ranges[ranges == 0.0] = 1.0
    m = data.shape[0]
    norm_data = (data - min_vals) / ranges
    return norm_data, min_vals, max_vals

if __name__ == "__main__":
    # 以下代码可用于测试，可自行随意修改
    train_file = "datingTrainSet2.tsv"
    
    # 加载训练数据
    train_data, train_labels = load_data(train_file)

    # 归一化训练数据，并获取最小值和最大值
    train_data_normalized, min_vals, max_vals = normalize_min_max(train_data)

    # 测试数据点也需要用同样的方式归一化
    test_point = np.array([65915, 3.868359, 0.128078])
    test_point_normalized = (test_point - min_vals) / (max_vals - min_vals)

    # 使用归一化后的数据进行预测
    predicted_label = classify0(test_point_normalized, train_data_normalized, train_labels)
    print("预测的分类标签是:", predicted_label)