NIR 4

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import precision_score, recall_score, f1_score
from sklearn.preprocessing import LabelEncoder
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report
from sklearn.model_selection import GridSearchCV


#Загрузка данных
vgsales = pd.read_csv("vgsales.csv")
#print(vgsales)
#Отберем необходимые параметры

vgsales = vgsales.loc[:,vgsales.columns.isin(["Rank","Platform","Year","Genre","Publisher","NA_Sales","EU_Sales","JP_Sales","Other_Sales","Global_Sales",])]
#print(vgsales)

#Удалим данные с NA
vgsales = vgsales.dropna()

#Жанр Sport = 0, остальные = 1
vgsales['Genre'] = np.where(vgsales['Genre'] == 'Sports', 0, 1)

#Преобразуем столбцы со строковыми значениями в числовые
le = LabelEncoder()
vgsales['Platform'] = le.fit_transform(vgsales['Platform'])
vgsales['Publisher'] = le.fit_transform(vgsales['Publisher'])


vgsales_test = vgsales

X_training, X_testing, y_training, y_testing = train_test_split(vgsales_test.drop(['Genre'], axis = 1), vgsales_test['Genre'],
                                                                test_size = 0.33,
                                                               random_state = 42)

#создание и обучение классификатора
model = DecisionTreeClassifier(random_state=42)
model.fit(X_training, y_training)

y_predict = model.predict(X_testing)

#Оценим точность классификатора
precision = precision_score(y_testing, y_predict)
recall = recall_score(y_testing, y_predict)
f1 = f1_score(y_testing, y_predict)

print('precision:', precision)
print('recall:', recall)
print('f1:', f1)

depth = model.tree_.max_depth

print("Depth:",depth)

T_training, T_testing, u_training, u_testing = train_test_split(vgsales_test.drop(['Genre'], axis = 1), vgsales_test['Genre'],
                                                                test_size = 0.3,
                                                               random_state = 42)
model2 = RandomForestClassifier(random_state = 42)
model2.fit(T_training, u_training)

u_predict = model2.predict(T_testing)

precision_2 = precision_score(u_testing, u_predict)
recall_2 = recall_score(u_testing, u_predict)
f1_2 = f1_score(u_testing, u_predict)

print('precision:', precision_2)
print('recall:', recall_2)
print('f1:', f1_2)

#Параметры для перебора
param_grid = {
    "n_estimators": [50, 100, 150, 200],
    "max_depth": [None, 5, 10, 15],
    "min_samples_split": [2, 5, 10],
    "min_samples_leaf": [1, 2, 4],
    "max_features": ["sqrt", "log2"],
}

# создание экземпляра класса GridSearchCV
grid_search = GridSearchCV(RandomForestClassifier(random_state=42), param_grid, cv=3, n_jobs=-1)

#Обучаем модель на тестовых данных
grid_search.fit(T_training, u_training)

# Оцениваем качество классификации
print(classification_report(u_testing, u_predict))
print("Best parameters:", grid_search.best_params_)


'''
#Случайный лес основан на использовании нескольких классификаторах решающего дерева, которые обучаются на некоторых подмножествах обучающей выборки, а потом дают независимые результаты,
после их ответы объединяются, чтобы определить результат


# Метрики precision, recall, F1

1) precision:
    P = TP / (TP + FP)

2) recall:
    R = TP / (TP + FN)
3) F1:

'''