import pandas as pd
import matplotlib.pylab as plt
data_train  =   pd.read_csv("weka_training.txt")
data_test   =   pd.read_csv("weka_test.txt")
out_train   =   data_train['Kriz']
data_train.drop(labels=['Kriz'],axis=1,inplace=True)
out_train   =   out_train.values
data_train  =   data_train.values
out_test    =  data_test['Kriz']
data_test.drop(labels=['Kriz'],axis=1,inplace=True)
inLabels    =  data_test.columns.tolist()
out_test    =  out_test.values
data_test   =  data_test.values
print(inLabels)
from sklearn.ensemble import RandomForestClassifier
import sklearn.metrics
classifier = RandomForestClassifier (n_estimators=10,max_depth=20)
classifier = classifier.fit(data_train,out_train)
predictions=classifier.predict(data_test)
print(sklearn.metrics.confusion_matrix(out_test,predictions))
a1=sklearn.metrics.confusion_matrix(out_test,predictions)[0][0]
a2=sklearn.metrics.confusion_matrix(out_test,predictions)[0][1]
b1=sklearn.metrics.confusion_matrix(out_test,predictions)[1][0]
b2=sklearn.metrics.confusion_matrix(out_test,predictions)[1][1]
print(a1+a2+b1+b2,"Veriden ")
print(a1+a2 ," tane 0 sonuçlu veriden ", a1 , " tanesi doğru tahmin edilmiştir.")
print(b1+b2 ," tane 1 sonuçlu veriden ", b2 , " tanesi doğru tahmin edilmiştir.")
print(sklearn.metrics.accuracy_score(out_test,predictions))
print(classifier.feature_importances_)
x_pos = list(range(len(inLabels)))
plt.bar(x_pos,classifier.feature_importances_,align='center')
plt.grid()
max_y = max(classifier.feature_importances_)
plt.ylim([0,max_y*1.1])
plt.ylabel('Importance')
plt.xticks(x_pos,inLabels)
plt.title('Importance of features')
plt.show()
#   yas=input("Yas giriniz = ")
#   cinsiyet=input("Cinsiyet E:1 K:0) = ")
#   k_k_rahatsizligi=input("Kronik kalp rahatsizliği (E:1 H:0) = ")
#   seker=input("Aclik Kan sekeri = ")
#   t_kolestrol=input("Kolestrol = ")
#   st_derinligi=input("ST derinliği (Eğimli:2 Hafif:1.5 Düzleşme:1 Düz:0) = ")
#   alkol=input("Alkol (Asla:0 Sosyal:1~3 Düzenli:4) = ")
#   sigara=input("Sigara kullanimi 20 Yildan 1:Fazla 0:Az = ")
#   kriz=0
## Varsayılan kriz = 0 ( Yakın zamanda kriz riski düşük)
## Test sonucu score 1 ise tahminleme   doğru     (Yakın zamanda kriz riski düşük)
## Test sonucu score 0 ise tahminleme   yanlış    (Yakın zamanda kriz riski yüksek)