/**
 * @file eqpalg/regression/frame.h
 * @brief 回归预测系统的框架
 * @author Cat (null.null.null@qq.com)
 * @version 0.1
 * @date 2021-07-08
 *
 * Company: Baosight Co. Ltd.
 * DO NOT COPY/USE WITHOUT PERMISSION
 *
 */
#pragma once

#include <vector>
#include <iostream>
#include <dlib/svm.h>
#include <log4cplus/LOG.h>
#include <chrono>
#include <utility>
#include <tuple>
#include <eqpalg/regression/krr.h>
#include <eqpalg/regression/train_result.h>
namespace regression {
using namespace std;
using namespace dlib;

/**
 * @brief 回归系统的主框架
 */
struct Frame {
  // 用来为dlib提供输入的数据类型
  using SampleType = matrix<
      double>;  ///< 因为有一维数据作为label（下方的LabelsType），所以需要输入的rows
           ///< -1
  using Label = std::vector<double>;  ///< 用来当作拟合目标数据y的输出集合
  using TrSample = std::vector<SampleType>;  ///< 拟合数据x的输入集合

 private:
  std::chrono::system_clock::duration train_time_cost_;  ///< 训练所花费时间
  std::chrono::system_clock::duration
      regression_func_time_cost_;  ///< 回归函数所花费时间
  /**
   * @todo
   * 上方的花费时间暂时没有使用，未来可以将这两个花费时间信息
   * 作为评判拟合优劣的一个选项
   */

  // 设置两种回归函数
  std::unique_ptr<Krr> krr_;
  // typename krls_t<rows - 1, cols>::TrainedResult krls_result_;

  int best_regression_type = -1;  ///< 默认回归函数无效

  const std::string rule_id_;

  const size_t dims_;

 public:
  Frame(const std::string& ruleId, size_t dims);

  /**
   * @brief Destroy the Frame object
   */
  ~Frame() = default;

  /**
   * @brief 载入用来拟合的数据
   * @param  data             My Param doc
   * @return int
   */
  int load(const SampleWindow& data);

 protected:
  /**
   * @brief 训练和测试回归，选择合适的回归函数
   * @param  gama             gama
   * @param  tr_samples       样本-x
   * @param  tr_labels        样本y
   */
  int train_and_test_regression(const double gama, const TrSample& tr_samples,
                                const Label& tr_labels);

 public:
  /**
   * @brief 预测回归的结果
   * @param  data             输入-x
   * @return double
   */
  double predict(const SamplePoint& data);

  /**
   * @brief 回归函数是否有效，如果无效，则不进行计算
   * @return true
   * @return false
   */
  bool valid();
};

}  // namespace regression