%% Wczytanie niezbednych danych
format long
rng(1);
% wprowadzenie sciezki do pliku z danymi
sciezka = input('Katalog zawierajacy zbiór danych (pelna sciezka): ', 's');

% wczytanie wczesniej przygotowanych danych
load([sciezka, '\', 'dane_do_nauki.mat']);

% poinformowanie uzytkownika o stanie dzialania aplikacji
fprintf('Zakonczono wczytywanie danych.\n');

% deklaracja wspólczynników do przebadania
cost_gamma = [65536,  2;  1024,   8];

[H, W] = size(cost_gamma);

% wprowadzenie ilosci iteracji do wykonania podczas procesu nauki
N = input('Ilosc iteracji do wykonania: ');

% stworzenie macierzy przechowujacych wyniki eksperymentów
Wyniki_spearman = zeros(N, H);
Wyniki_spearman_odch_std = zeros(H,1);
Wyniki_spearman_mediana = zeros(H,1);
Wyniki_kendall = zeros(N, H);
Wyniki_kendall_odch_std = zeros(H,1);
Wyniki_kendall_mediana = zeros(H,1);

% podzielenie zbioru danych
[Ilosc_danych, ~] = size(baza_do_nauki);
label=baza_do_nauki(:,1);
dane=baza_do_nauki(:,2:rozmiar+1);

% losowanie podziału na dane uczące i testujące
pivot = round(Ilosc_danych * 0.8);
permutacje = zeros(N,pivot);
for j = 1:N
    perm=randperm(Ilosc_danych);
    permutacje(j,:) = perm(1:pivot);
end

% poinformowanie uzytkownika o stanie dzialania aplikacji
fprintf('Zakonczono przygotowywanie danych.\n');

%przyporzadkowanie 4 procesorów logicznych
parpool(4);

%% Uczenie
for idx_model = 1 : H
    fprintf('Model %i:\n',idx_model);
    parfor iter = 1 : N
        fprintf('Iteracja %i:\n',iter);
        dane_uczace = ismember(obrazy,permutacje(iter,:));
        dane_testujace = ~dane_uczace;

        c_str = sprintf('%f',cost_gamma(idx_model,1));
        g_str = sprintf('%.2f',cost_gamma(idx_model,2));
        libsvm_options = ['-s 3 -g ',g_str,' -c ',c_str,' -h 0'];

        model = svmtrain(label(dane_uczace,:),dane(dane_uczace,:),libsvm_options)
        [predict_score, ~, ~] = svmpredict(label(dane_testujace,:), dane(dane_testujace,:), model)
        Wyniki_spearman(iter, idx_model) = corr(predict_score, label(dane_testujace,:),'type','Spearman');
        Wyniki_kendall(iter, idx_model) = corr(predict_score, label(dane_testujace,:),'type','Kendall');
    end
    Wyniki_spearman_mediana(idx_model,1) = median(Wyniki_spearman(:,idx_model));
    Wyniki_spearman_odch_std(idx_model,1) = std(Wyniki_spearman(:,idx_model),0);
    Wyniki_kendall_mediana(idx_model,1) = median(Wyniki_kendall(:,idx_model));
    Wyniki_kendall_odch_std(idx_model,1) = std(Wyniki_kendall(:,idx_model),0);
end

%zapisanie wyników
save('Wyniki_eksperymentow.mat', 'Wyniki_spearman', 'Wyniki_spearman_mediana', 'Wyniki_spearman_odch_std', 'Wyniki_kendall', 'Wyniki_kendall_mediana', 'Wyniki_kendall_odch_std');

%zwolnienie procesorów logicznych
delete(gcp('nocreate'));