##################################################################
############     Modelo e uma analise exploratoria    ############
##################################################################
import numpy as np
import pandas as pd
import scipy.stats as stats
import matplotlib.pyplot as plt
import sklearn
from sklearn.metrics import r2_score as rs
from sklearn.linear_model import LinearRegression as LR
from sklearn.model_selection import train_test_split as tts

import warnings
warnings.filterwarnings("ignore")

def get_names():
    return ['CRIM' , 'ZN' , 'INDUS' , 'CHAS' , 'NOX' , 'RM' , 'AGE' , 'DIS' , 'RAD' , 'TAX' , 'PTRATIO' , 'B' , 'LSTAT' , 'MEDV']

#importando o dataset
dataset = pd.read_csv('house_prices.csv', header=None, names=get_names())

#mostrando todo o dataset
#print(dataset)

'''
for nome in get_names():
    print(dataset[nome].describe())
    print '*'*20
'''

###########################################
#####       Explorando o Dataset      #####
###########################################

'''
#Agora vamos ver um fator que geralmente influencia muito em uma casa: O numero de quartos (/)
plt.scatter(x=dataset['RM'], y=dataset['MEDV'])
plt.title("Relacao entre valor e numero de quartos")
plt.xlabel("Numero de quartos")
plt.ylabel("Valor medio")
plt.show()
'''


#Vamos verificar se quanto mais longe do centro o preco das casas caem.
#para isso iremos plotar o preco das casas como eixo Y e a distancia do centro como eixo X
#Se ocorrer uma formatacao nos dados semelhante ao formato de uma \ podemos entender que quanto menor a distancia maior o preco.
plt.scatter(x=dataset['DIS'], y=dataset['MEDV'])
plt.title("Relacao entre valor e distancia do centro")
plt.xlabel("Distancia do centro")
plt.ylabel("Valor medio")
plt.show()

#Vamos criar um indice relacionando a distancia do centro (DIS) com o indice de acesso por radiais ao centro para entender se as
#  variaveis geograficas impactam diretamente no precos dos imoveis
plt.scatter( x=dataset['MEDV'], y=dataset['DIS']*dataset['RAD'])
plt.title("Relacao entre valor e indice de acesso a estradas")
plt.xlabel("Indice de acesso a estradas")
plt.ylabel("Valor medio")
plt.show()

#Agora vamos ver um fator que geralmente influencia muito em uma casa: O numero de quartos (/)
plt.scatter(x=dataset['RM'], y=dataset['MEDV'])
plt.title("Relacao entre valor e numero de quartos")
plt.xlabel("Numero de quartos")
plt.ylabel("Valor medio")
plt.show()

###########################################
#Vamos observar outro fator importante: A idade das construcoes em relacao com os precos

plt.scatter(x= dataset['AGE'], y=dataset['MEDV'])
plt.title("Relacao entre valor e idade media das contrucoes")
plt.xlabel("Distancia do centro")
plt.ylabel("Valor medio")
plt.show()

###########################################


###########################################
#######       MODELO E PREVISAO    ########
###########################################
#Modelo Regressao Linear uma variavel
# Numero de quartos por valor


print('\n\n')
print('###########################################')
print('#######       MODELO E PREVISAO    ########')
print('###########################################')

#A primeira previsao a ser descrita e a relacao entre o numero de quartos em relacao ao preco como pode ser visto abaixo:

X = dataset['RM']
y = dataset['MEDV']

#gerando conjunto de testes
X_teste = X[0:180].reshape(-1,1)
y_teste = y[0:180]

#gerando conjunto de treino
X_treino = X[180:].reshape(-1,1)
y_treino = y[180:]

#criando o modelo
modelo = LR()
modelo.fit(X_treino, y_treino)

print("Coeficiente da variavel : "+str(modelo.coef_[0])[0:4])

print("Correlacao do modelo : "+str(modelo.score(X_teste, y_teste))[0:4])

print("Erro quadrado medio : "+str(np.mean((modelo.predict(X_teste) - y_teste) ** 2)))

print('\n'+('*'*45)+'\n')
print('### RESIDUOS ###')
print(modelo.residues_)

#print(list(modelo.predict(X_teste)[0:10]))
#print(list(y_teste)[0:50])

#Correlacao entre a previsao e o teste
print(modelo.score(X_teste[0:50], list(modelo.predict(X_teste)[0:50]))) #1.0
#O que corresponde que a previsao do modelo acompanhou bem o conjunto de teste

#plotagem dos dados de previsao
data = plt.scatter(y=dataset['MEDV'], x=dataset['RM'], c='r')
previsao = plt.scatter(X_teste[0:100],(list(modelo.predict(X_teste)[0:100])), c='g')
plt.title("Saida do Modelo - Previsao")
plt.xlabel("Numero de quartos")
plt.ylabel("Valor medio")
plt.legend(
    (data,previsao),
    ("Valor x No de Quartos", "Prev. Valor x No de Quartos"),
    scatterpoints=1,
    loc='upper left',
    ncol=3,
    fontsize=8
)
plt.show()



###########################################
#######       MODELO E PREVISAO    ########
###########################################
#Modelo Regressao Linear duas variaveis
# Numero de quartos e idade dos imoveis pelo preco


print('\n\n')
print('###########################################')
print('#######       MODELO E PREVISAO    ########')
print('###########################################')

#A primeira previsao a ser descrita e a relacao entre o numero de quartos em relacao ao preco como pode ser visto abaixo:

X = [dataset['RM'],dataset['AGE']]
y = dataset['MEDV']

#gerando conjunto de testes
X_teste = X[0][0:210].reshape(-1,1)
X_teste = X[1][0:210].reshape(-1,1)
y_teste = y[0:210]

#gerando conjunto de treino
X_treino = X[0][210:].reshape(-1,1)
X_treino = X[1][210:].reshape(-1,1)
y_treino = y[210:]

#criando o modelo
modelo = LR()
modelo.fit(X_treino, y_treino)

print("Coeficiente da variavel : "+str(modelo.coef_[0])[0:4])

print("Correlacao do modelo : "+str(modelo.score(X_teste, y_teste))[0:4])

print("Erro quadrado medio : "+str(np.mean((modelo.predict(X_teste) - y_teste) ** 2)))

print('\n'+('*'*45)+'\n')
print('### RESIDUOS ###')
print(modelo.residues_)

#print(list(modelo.predict(X_teste)[0:10]))
#print(list(y_teste)[0:50])

#Correlacao entre a previsao e o teste
print(modelo.score(X_teste[0:50], list(modelo.predict(X_teste)[0:50]))) #1.0
#O que corresponde que a previsao do modelo acompanhou bem o conjunto de teste

#plotagem dos dados de previsao
data = plt.scatter(y=dataset['MEDV'], x=dataset['AGE'], c='r')
previsao = plt.scatter(X_teste[0:100],(list(modelo.predict(X_teste)[0:100])), c='g')
plt.title("Saida do Modelo - Previsao")
plt.xlabel("Numero de quartos")
plt.ylabel("Valor medio")
plt.legend(
    (data,previsao),
    ("Idade Casas x No de Quartos", "Previsao"),
    scatterpoints=1,
    loc='upper left',
    ncol=3,
    fontsize=8
)
plt.show()