%obsluga elementow nietypowych
%klasteryzacja
%klasyfikacja
%metoda bayesa iris from uci maschine learning
clear;clc;
load fisheriris;
lab=findgroups(species);
d1=3;
d2=4;
gscatter(meas(:,d1),meas(:,d2),lab);
n=length(lab);
ratio=.2;
an=ratio*n;
bn=n-an;
aidx=randperm(n,an);
bidx=setdiff(1:n,aidx);
adata=meas(aidx,:);
bdata=meas(bidx,:);%etykiety
alab=lab(aidx);
blab=lab(bidx);
lab2=lab;
lab2(bidx)=lab2(bidx)+3;
gscatter(meas(:,d1),meas(:,d2),lab2);
%korzystamy  z klasyfikatora bayes w celu klasyfikacji
for j=1:3
    mu(j,:)=mean(adata(alab==j,:));
    sigma(j,:)=std(adata(alab==j,:));
    pc(j)=sum(alab==j)/an;
end
for j=1:3
    for i=1:bn
        P(i,j)=pc(j)*mvnpdf(bdata(i,:),mu(j,:),sigma(j,:));
    end
end
[~,reslab]=max(P,[],2);
skutecznosc=sum(blab==reslab)/bn;
%klasyfikacja
X=linspace(min(meas(:,d1)),max(meas(:,d1)),100);
Y=linspace(min(meas(:,d2)),max(meas(:,d2)),100);
[gx,gy]=meshgrid(X,Y);
for j=1:3
    gp(:,j)=pc(j)*mvnpdf([gx(:),gy(:)],mu(j,[d1,d2]),sigma(j,[d1,d2]));
end
[~,glab]=max(gp,[],2);
gscatter(gx(:),gy(:),glab);