#/usr/bin/env python3
#-*- coding:utf-8 -*-
#提醒電腦這是個python3檔案並要求以utf-8格式讀取


# 一、匯入資料：匯入專案執行所需要的庫和匯入需要處理的資料
# 1) 匯入SciPy執行環境(提前執行測試確保環境配置正確)
from pandas import read_csv
from pandas.plotting import scatter_matrix
from matplotlib import pyplot
from sklearn.model_selection import train_test_split 
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.svm import SVC

# 2) 輸入資料(為每個資料特徵設定名稱，可以方便後面對資料進行處理)
filename = './iris.data.csv'
# 為每一個特徵起名方便分類處理
names =['separ-length', 'seqar-width', 'petal-length', 'petal-width', 'class']

dataset =read_csv(filename, names=names)



# # 二、概述資料:從不同角度審查資料
# # 1）檢視資料維度（資料的行與列屬性）
# print('資料維度：行 %s,列 %s' % dataset.shape)
#
# # 2) 檢視資料自身部分（對資料本身有個基本的認識）
# print('資料本身前10行：')
# print(dataset.head(10))
#
# # 3) 統計描述資料即各項數值 行數、中位值、最大值、最小值、均值、四分值(中間50%資料的離散程度，其數值越小，說明中間的資料越集中)
# print('描述資料：（行數、中位值、最大值、最小值、均值、四分值）')
# print(dataset.describe())
#
# # 4）資料分類分佈（根據資料特徵名稱來檢視資料）
#
# print(dataset.groupby('class').size())
#
#
# # 三、 資料視覺化
# # 1）箱線圖(屬性與中位值的離散速度) 箱線圖：連線兩個四分位數，再將最大值和最小值與箱子相連線，中位數在箱子中間
# dataset.plot(kind='box', subplots=True, layout=(2, 2), sharex=False, sharey=False)
# pyplot.show()
# # 2）直方圖
# dataset.hist()
# pyplot.show()
# # 3）散點矩陣圖（變數隨自變化而變化的圖）
# scatter_matrix(dataset)
# pyplot.show()

# 四、評估演算法
# 1）分離評估資料集，用於測試演算法
array = dataset.values
X = array[:, 0:4]  # 80%的訓練集
Y = array[:, 4]  # 20%的評估訓練集
Validation_size = 0.2  # 測試集佔比
seed = 7  # 隨機數種子 決定了測試結果
X_train, X_Validation, Y_train, Y_Validation = train_test_split(X,Y,test_size=Validation_size,random_state=seed)

# 2）演算法評估 1.線性迴歸（LR） 2.線性判別分析（LDA） 3.K近鄰（KNN） 4.分類與迴歸樹（CART） 5.貝葉斯分類器（NB） 6.支援向量機（SVM）
models = {}
models['LR'] = LogisticRegression()
models['LDA'] = LinearDiscriminantAnalysis()
models['KNN'] = KNeighborsClassifier()
models['CART'] = DecisionTreeClassifier()
models['NB'] = GaussianNB()
models['SVM'] = SVC()
results = []
for key in models:
    # 將資料集分成十份，輪流將其中9份作為訓練資料，1份作為測試資料，進行試驗。每次試驗都會得出相應的正確率（或差錯率）
    kfold = KFold(n_splits=10, random_state=seed)
    cv_results = cross_val_score(models[key], X_train, Y_train, cv=kfold, scoring='accuracy')
    results.append(cv_results)
    print('%s:%f(%f)' %(key, cv_results.mean(), cv_results.std()))


# 五、實施預測
svm = SVC()
svm.fit(X=X_train, y=Y_train)  # 衝突矩陣
predictions = svm.predict(X_Validation)  # 精確度
print(accuracy_score(Y_Validation, predictions))  # 召回率
print(confusion_matrix(Y_Validation, predictions))  # F1值為精確率和召回率的調和均值
print(classification_report(Y_Validation, predictions))  # 分類