Corelation and regression

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns


# Załadowanie danych do DataFrame
# df = pd.read_csv(url)  # Wczytanie danych bezpośrednio
df = pd.read_csv('hou_all.csv')  # Wczytanie danych lokalnie
df.columns = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV','BIAS_COL']

# Wyświetlenie pierwszych kilku wierszy danych
var = 'Show first 20 lines'
print(f'{var:*^100}')
print(df.head(20))

# wyswietlenie rozmiaru danych wiersze, kolumny
var = 'Data shape'
print(f'{var:*^100}')
print(df.shape)

# Podstawowe statystyki
var = 'Basic data'
print(f'{var:*^100}')
print(df.describe())

# Sprawdzenie brakujących danych
var = 'Check null date'
print(f'{var:*^100}')
print(df.isnull().sum())

# Sprawdzenie duplikatów
var = 'Check dublicate value'
print(f'{var:*^100}')
print(df.duplicated().sum())

# Wizualizacja rozkładu MEDV
sns.histplot(df['MEDV'], bins=30, kde=True)
plt.show()

# Wizualizacja korelacji między cechami
corr_matrix = df.corr()
plt.figure(figsize=(12, 9))
sns.heatmap(corr_matrix, annot=True)
plt.show()

# Wyświetlenie korelacji zmiennych względem MEDV
var = 'Display the correlation of variables against MEDV'
print(f'{var:*^100}')
print(corr_matrix['MEDV'].sort_values(ascending=False))

from sklearn.model_selection import train_test_split

# Przygotowanie danych
X = df.drop('MEDV', axis=1)  # Cechy
y = df['MEDV']  # Zmienna celu

# Podział danych
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score, root_mean_squared_error

# Trenowanie modelu regresji liniowej
lin_reg = LinearRegression()
lin_reg.fit(X_train, y_train)

# Przewidywanie i ocena modelu regresji liniowej
var = 'Predicting and evaluating a linear regression model'
print(f'{var:*^100}')
y_pred_lin = lin_reg.predict(X_test)
print("Regresja liniowa - RMSE:", root_mean_squared_error(y_test, y_pred_lin))
print("Regresja liniowa - R^2:", r2_score(y_test, y_pred_lin))

from sklearn.tree import DecisionTreeRegressor

# Trenowanie modelu drzewa decyzyjnego
tree_reg = DecisionTreeRegressor(random_state=42)
tree_reg.fit(X_train, y_train)

# Przewidywanie i ocena modelu drzewa decyzyjnego
var = 'Decision tree model prediction and evaluation'
print(f'{var:*^100}')
y_pred_tree = tree_reg.predict(X_test)
print("Drzewo decyzyjne - RMSE:", root_mean_squared_error(y_test, y_pred_tree))
print("Drzewo decyzyjne - R^2:", r2_score(y_test, y_pred_tree))