dane<-read.csv("F:/LAB_06/9.csv", sep=";", dec=".", header = TRUE)

#podzial losowy
indeksy<-sample(1:nrow(dane))
new_data<-dane[indeksy,]

#zbior uczacy
uczaca<-new_data[1:3,]

#zbior testujacy
testujacy<-new_data[4:11,]

#drzewo decyzyjne
drzewo<-rpart(Zużycie~.,data = uczaca, method = "class")
rpart.plot(drzewo)

#wynik_klasyfikacji<-predict(drzewo, newdata = testujacy, type="class")
#macierz<-table(testujacy$Zużycie, wynik_klasyfikacji)
#l_wszystkie<-sum(macierz)
#l_poprawnie<-sum(diag(macierz))
#blednie<-l_wszystkie-l_poprawnie;
#blad<-(blednie/l_wszystkie)*100

k<-11
blok<-cut(seq(1:nrow(new_data)), breaks = 11, labels = FALSE)
blad<-0
wszystkie<-0
for(i in 1:k){
  testIndex<-which(blok == i)
  test<-new_data[testIndex,]
  train<-new_data[-testIndex,]

  drzewo2<-rpart(Zużycie~.,data = train, method = "class")
  #rpart.plot(drzewo2)

  wynik_klasyfikacji2<-predict(drzewo2, newdata = test, type="class")
  macierz2<-table(test$Zużycie, wynik_klasyfikacji2)

  l_wszystkie<-sum(macierz2)
  l_poprawnie<-sum(diag(macierz2))
  blednie<-l_wszystkie-l_poprawnie;
  #blad2<-(blednie/l_wszystkie)*100
  blad<-(blad+blednie)
  wszystkie<-(wszystkie+l_wszystkie)
  print(macierz2)

}

blad<-(blad/wszystkie)*100