import os
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 = "202210423215"
name = "章程鸿"


# 这里写自己的代码实现
import numpy as np
from sklearn.model_selection import KFold
def sigmoid(z):
    return 1 / (1 + np.exp(-z))

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。
    - other_params (str): 其它参数，可选设置。若需设置其它参数，必须设置其默认值，否则将**无法通过**自动评测，**成绩为零**。

    Returns:
    - numpy array: 训练得到的权重。
    """
    m, n = X.shape
    weights = np.zeros(n)
    bias = 0
    for _ in range(iterations):
        z = np.dot(X, weights) + bias
        h = sigmoid(z)
        dw = (1/m) * np.dot(X.T, (h - y))
        db = (1/m) * np.sum(h - y)
        weights -= learning_rate * dw
        bias -= learning_rate * db
    return weights

def predict_logreg(inX, weights):
    """
    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。

    Returns:
    - int: 预测的分类标签。
    """
    z = np.dot(inX, weights)
    h = sigmoid(z)
    return 1 if h >= 0.5 else 0

# 这里也写自己的代码实现
def load_data(filepath):
    """
    从文件中加载数据，若不自行正确实现，则无法通过评测，**不记录成绩**。

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

    Returns:
    - np.array: 特征数据。
    - np.array: 标签数据。
    """
    data = []
    with open(filepath, 'r') as file:
        for line in file:
            # 清理无效数据
            cleaned_line = line.strip().replace('?', '0')  # 将问号替换为0
            data.append([float(x) for x in cleaned_line.split()])  # 转换为浮点数
    data = np.array(data)
    X = data[:, :-1]
    y = data[:, -1]
    return X, y
def cross_validate(X, y, k=5, learning_rate=0.01, iterations=1000):
    kf = KFold(n_splits=k)
    accuracies = []

    for train_index, test_index in kf.split(X):
        X_train, X_test = X[train_index], X[test_index]
        y_train, y_test = y[train_index], y[test_index]

        weights = train_logreg(X_train, y_train, learning_rate, iterations)
        predictions = [predict_logreg(x, weights) for x in X_test]
        
        accuracy = np.mean(predictions == y_test)
        accuracies.append(accuracy)

    return np.mean(accuracies)

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")

    # 进行 K 折交叉验证
    k = 5  # 设置折数
    cv_accuracy = cross_validate(X_train, y_train, k=k, learning_rate=0.01, iterations=1000)
    print(f"{k}-折交叉验证的平均准确率: {cv_accuracy:.2f}")

    # 测试单个数据
    weights = train_logreg(X_train, y_train, learning_rate=0.01, iterations=1000)
    y_pred = predict_logreg(X_test[11], weights)
    print(f"预测结果: {y_pred}, 实际结果: {y_test[11]}")