#coding=utf-8

from numpy import *

def loadSimpData():

    datMat = matrix([[1.0,2.1],

                    [ 2. ,  1.1],

                    [ 1.3,  1. ],

                    [ 1. ,  1. ],

                    [ 2. ,  1. ]])

    classLabels = [1.0, 1.0, -1.0, -1.0, 1.0]

    return datMat,classLabels

def loadDataSet(fileName):

    numFeat = len(open(fileName).readline().split('\t'))

    dataMat = [];labelMat = []

    fr = open(fileName)

    for line in fr.readlines():

        lineArr = []

        curLine = line.strip().split('\t')

        for i in range(numFeat - 1):

            lineArr.append(float(curLine[i]))

        dataMat.append(lineArr)

        labelMat.append(float(curLine[-1]))

    return dataMat,labelMat

def stumpClassify(dataMatrix,dimen,threshVal,threshIneg):

    #初始化数据类别都为+1

    #分左右子树

    #与阀值比较，左子树小于阀值为-1，大于阀值为1。右侧大于阀值为-1，小于阀值为1。

    #这两种分法，最后取错误率最低的分法

    retArray = ones((shape(dataMatrix)[0],1))

    if threshIneg =='lt':

        retArray[dataMatrix[:,dimen] <= threshVal] = -1.0

    else:

        retArray[dataMatrix[:,dimen] > threshVal] = -1.0

    return retArray

def buildStump(dataArr,classLabels,D):

    dataMatrix = mat(dataArr); labelMat = mat(classLabels).T

    m,n = shape(dataMatrix)

    numSteps = 10.0; bestStump = {}; bestClasEst = mat(zeros((m,1)))

    minError = inf

    #循环取样本的第i个特征

    for i in range(n):

        #求出每一列的最大最小值

        rangeMin = dataMatrix[:,i].min(); rangeMax = dataMatrix[:,i].max();

        #步长

        stepSize = (rangeMax-rangeMin)/numSteps

        #这一个循环用来调整阀值

        for j in range(-1,int(numSteps)+1):

            for inequal in ['lt', 'gt']:

                #计算阀值

                threshVal = (rangeMin + float(j) * stepSize)

                #计算预测标签

                predictedVals = stumpClassify(dataMatrix,i,threshVal,inequal)

                #错误矩阵，用来记录预测错误的样本

                errArr = mat(ones((m,1)))

                #实际标签与预测标签相等的为0

                errArr[predictedVals == labelMat] = 0

                #权重向量D乘错误矩阵，预测正确的权重为零，权重就无需更改

                weightedError = D.T*errArr

                #与最小错误比较

                #print ("split: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f" % (i, threshVal, inequal, weightedError))

                if weightedError < minError:

                    #更新最小错误

                    minError = weightedError

                    bestClasEst = predictedVals.copy()

                    bestStump['dim'] = i

                    bestStump['thresh'] = threshVal

                    bestStump['ineq'] = inequal

    print ("bestsplit: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f" % (bestStump['dim'], bestStump['thresh'], bestStump['ineq'], minError))

    #返回的是bestStump中保存的单层决策树（就是选择出了两类中能使错误率降到最低的特征）

    #最小错误率，最好的类别预测

    return bestStump,minError,bestClasEst

def adaBoostTrainDS(dataArr,classLabels,numIt=40):

    weakClassArr = []

    m = shape(dataArr)[0]

    #D是一个概率分布向量，其和要等于1，因此要除以m

    #权重的初始化可以是一样的随着迭代次数增加

    #增加错误分类的权重，降低错误分类的权重

    D = mat(ones((m,1))/m)

    aggClassEst = mat(zeros((m,1)))

    for i in range(numIt):

        #创建一个弱学习器（树根）

        bestStump,error,classEst = buildStump(dataArr,classLabels,D)

        print ("D:",D.T)

        #Adaboost为每一个弱分类器都分配一个权重alpha

        #这些alpha值都是基于每一个弱分类器的错误率进行计算

        #计算公式alpha = 1/2ln(1-c/c)

        #c是错误率c=错误分类的样本个数/所有样本总数

        #为了防止分母为零，增加1e-16

        alpha = float(0.5*log((1.0-error)/max(error,1e-16)))

        #存到树根中

        bestStump['alpha'] = alpha

        weakClassArr.append(bestStump)

        print ("classEst: ",classEst.T)

        #更新权重向量D

        #正确分类的expon为负（权重影响小）

        #错误分类的expon为正（权重影响大）

        #这里正确标签和预测样本标签相乘，标签一样为正，不一样为负

        expon = multiply(-1*alpha*mat(classLabels).T,classEst)

        D = multiply(D,exp(expon))

        D = D/D.sum()

        aggClassEst += alpha*classEst

        #sign if a>0 return 1,if a<0 return -1,if a==0 return 0

        #计算错误分类的个数

        aggErrors = multiply(sign(aggClassEst) != mat(classLabels).T,ones((m,1)))

        #错误率

        errorRate = aggErrors.sum()/m

        print ("total error: ",errorRate)

        if errorRate == 0.0: break

    #返回每一次迭代获得的最好结果的分类器

    #弱分类器参数集合，和每一个弱分类器对应的alpha（权重）

    return weakClassArr,aggClassEst

def adaClassify(datToClass,classifierArr):

    dataMatrix = mat(datToClass)

    m = shape(dataMatrix)[0]

    aggClassEst = mat(zeros((m,1)))

    #classifierArr是最优分类器的集合

    for i in range(len(classifierArr)):

        #调用训练好的分类器参数

        classEst = stumpClassify(dataMatrix, classifierArr[i]['dim'],\

                                 classifierArr[i]['thresh'],\

                                 classifierArr[i]['ineq'])

        #这些分类器使用投票的方式，获得最终的预测结果

        aggClassEst += classifierArr[i]['alpha']*classEst

        print (aggClassEst)

    return sign(aggClassEst)

#ROC曲线的绘制及AUC计算函数

def plotROC(predStrengths, classLabels):

    import matplotlib.pyplot as plt

    cur = (1.0,1.0)

    #AUC的值

    ySum = 0.0

    #计算分类为正的个数

    numPosClas = sum(array(classLabels)==1.0)

    yStep = 1/float(numPosClas); xStep = 1/float(len(classLabels)-numPosClas)

    #predStrengths是投票预测结果（非整数），argsort()从大到小排序，返回下标

    #也就是预测结果接近于1（分类为正）的排在前面

    sortedIndicies = predStrengths.argsort()

    #print('predStrengths',predStrengths)

    #print('classLabels',classLabels)

    fig = plt.figure()

    fig.clf()

    ax = plt.subplot(111)

    #classLabels是真实结果，通过比较，为正类，移动y轴，否则移动x轴

    for index in sortedIndicies.tolist()[0]:

        if classLabels[index] == 1.0:

            delX = 0; delY = yStep;

        else:

            delX = xStep; delY = 0;

            ySum += cur[1]

        ax.plot([cur[0],cur[0]-delX],[cur[1],cur[1]-delY], c='b')

        cur = (cur[0]-delX,cur[1]-delY)

    ax.plot([0,1],[0,1],'b--')

    plt.xlabel('False positive rate'); plt.ylabel('True positive rate')

    plt.title('ROC curve for AdaBoost horse colic detection system')

    ax.axis([0,1,0,1])

    plt.show()

def test():

    datMat,classLabels = loadSimpData()

    #D = mat(ones((5,1))/5)

    #buildStump(datMat,classLabels,D)

    #以上就构成了一个弱分类器

    #接下来训练出多个弱分类器，构成Adaboost算法

    classifierArray = adaBoostTrainDS(datMat,classLabels,numIt=9)

    print(classifierArray)

    #接下来进行测试

#实例对马疝病数据集分类使用Adaboost

def app():

    datArr,labelArr = loadDataSet('horseColicTraining2.txt')

    classifierArray = adaBoostTrainDS(datArr,labelArr,10)

    testArr,testLabelArr = loadDataSet('horseColicTest2.txt')

    prediction10 = adaClassify(testArr,classifierArray)

    errArr = mat(ones((67,1)))

    errArr[prediction10!=mat(testLabelArr).T].sum()

#画ROC曲线图

def plotROCtest():

    datArr,labelArr = loadDataSet('horseColicTraining2.txt')

    classifierArray,aggClassEst = adaBoostTrainDS(datArr,labelArr,10)

    plotROC(aggClassEst.T, labelArr)