//#include "svm/svm.h"
//#include "svm/data.h"
//#include <stdio.h>
//#include <stdlib.h>
//#include <math.h>
//
//void svm_train_and_predict() {
//    struct svm_problem prob{};
//    struct svm_parameter param{};
//    struct svm_model *model;
//    struct svm_node *x_space;
//
//    // 设置SVM参数
//    param.svm_type = ONE_CLASS;
//    param.kernel_type = RBF;  // 使用径向基函数核
//    param.nu = 0.1;          // nu参数，用于控制支持向量的数量
//    param.gamma = 0.1;          // nu参数，用于控制支持向量的数量
//
//    // 初始化问题
//    prob.l = HaveCount;
//    prob.y = (double *) malloc(prob.l * sizeof(double));
//    prob.x = (struct svm_node **) malloc(prob.l * sizeof(struct svm_node *));
//    x_space = (struct svm_node *) malloc((Features + 1) * prob.l * sizeof(struct svm_node));
//
//    // 设置训练数据
//    for (int i = 0; i < prob.l; ++i) {
//        prob.x[i] = &x_space[(Features + 1) * i];
//        for (int j = 0; j < Features; ++j) {
//            prob.x[i][j].index = j + 1;
//            prob.x[i][j].value = Have[i][j];
//        }
//        prob.x[i][Features].index = -1;
//        prob.y[i] = 1;  // 所有点标记为1，因为这是一个单分类问题
//    }
//
//    // 训练模型
//    model = svm_train(&prob, &param);
//    int res = svm_save_model("test.model", model);
//    printf("save res: %d\n", res);
//
//
//    // 预测
//    for (int i = 0; i < TestCount; ++i) {
//        struct svm_node test[Features + 1];
//        for (int j = 0; j < Features; ++j) {
//            test[j].index = j + 1;
//            test[j].value = Test[i][j];
//        }
//        test[Features].index = -1;
//
//        double predicted_label = svm_predict(model, test);
//        printf("Predicted Label = %.0lf\n", predicted_label);
//    }
//
//    // 释放资源
//    free(prob.y);
//    free(prob.x);
//    free(x_space);
//    svm_free_and_destroy_model(&model);
//}
//
//void load_and_test() {
//    svm_model *model = svm_load_model("test.model");
//
//    // 预测 have
//    int success = 0;
//    for (auto &line : Have) {
//        struct svm_node node[Features + 1];
//        for (int j = 0; j < Features; ++j) {
//            node[j].index = j + 1;
//            node[j].value = line[j];
//        }
//        node[Features].index = -1;
//
//        if (svm_predict(model, node) > 0) success++;
//    }
//    printf("Accuracy Have: [%d/%d]\n", success, HaveCount);
//
//    // 预测 test
//    success = 0;
//    for (auto &line : Test) {
//        struct svm_node node[Features + 1];
//        for (int j = 0; j < Features; ++j) {
//            node[j].index = j + 1;
//            node[j].value = line[j];
//        }
//        node[Features].index = -1;
//
//        if (svm_predict(model, node) > 0) success++;
//    }
//    printf("Accuracy Test: [%d/%d]\n", success, TestCount);
//
//    // 预测 none
//    success = 0;
//    for (auto &line : None) {
//        struct svm_node node[Features + 1];
//        for (int j = 0; j < Features; ++j) {
//            node[j].index = j + 1;
//            node[j].value = line[j];
//        }
//        node[Features].index = -1;
//
//        if (svm_predict(model, node) < 0) success++;
//    }
//    printf("Accuracy None: [%d/%d]\n", success, NoneCount);
//}


#include "my-svm/svm.h"
#include "stdio.h"

int main() {
    svm_init();
    Node *x = input();
    int8_t res = svm_predict(x);
    printf("result: %d\n", res);
    return 0;
}