library(Boruta)
library(funModeling)
library(arules)
library(rpart)
library(datasets)

# Ładujemy pliki
data_row = read.csv(file = 'r/b2.csv')
data_all = data_row[2:(length(data_row))]

# Pobieramy nazyw kolumn
cols = colnames(data_all)

# Tworzmy obiekt data.frame
df = data.frame(data_all)
# Odzielamy cechy
X = df[,1:ncol(df)-1]
# Oraz nazwy cech
X_cols = colnames(X)
# Odzielamy etykiety próbek
y = df[,ncol(df)]

#Tutaj korzystam z zadanego algortmu do ustalenia wag cech
boruta_train <- Boruta(y~.,data=X)
print(boruta_train)

# Tablica wag (bedziemy ja rysować)
importance_table = attStats(boruta_train)
plot(boruta_train)

# Interesuja nas same średnie z powyższych tablic
importance_mean_list = attStats(boruta_train)[,1]
print(attStats(boruta_train))

# Uporządkujmy co mamy, czyli połączmy waga cechy + nazwa cechy
cols_importance = data.frame(importance=importance_mean_list, feature=X_cols)


print(cols_importance) # - tablica ze dokumentu ręcznego
# Dyskretyzacja
discretized_features = discretizeDF(cols_importance, default = list(method = "cluster", breaks = 2)) # dykretyzacja,
# Sortowanie (tylko w celach etetycznych)
discretized_features = discretized_features[order(discretized_features$importance),]
print(discretized_features)


### Grupowanie ###
# Będzimy rozdzielać cechy wg przedziałów,
groups = list()
intervals = unique(discretized_features[1])
for (i in 1:nrow(intervals)){
  # lista dla i-przedzialu
  single_interval_values = subset( discretized_features,importance==intervals[i,1] )
  print(single_interval_values)
  str = single_interval_values[,2]
  groups[[i]] = str
}

print(groups)

# Dla kazdej grupy policzymy nowa liste cech, cech będzie tyle ile powstałych grup
new_X = data.frame(V1 = 1:length(y)) # tworzymy liste o dlugosc ilosci danych
for (i in 1:length(groups)){
  ### sortowanie po kolumnahc - > X[ , order(names(X))]
  group = groups[[i]] # wezmy grupe cech np WC.TA i  S.TA
  #paste( unlist(group), collapse=',')
  #

  str = paste( unlist(group), collapse=',')
  str_list = strsplit(str,',')
  old_features = X[unlist(str_list)] # weźmy pierwotne cechy które przydzielono do tej grupy
  weights =   cols_importance$importance[cols_importance$feature %in% group] #weźmy obliczone wagi dla tych cech
  weights_matrix = data.frame(id=1:length(y), data.frame(t(weights)) )  #utwórzmy macierz mnoznikow
  weights_matrix = weights_matrix[1:length(old_features)+1] #odrzućmy iterator (licznik), bo nie jest potrzebny
  colnames(weights_matrix) = group

  # Dane w old_features zmieniły kolejnośc, wiec wszystko wysortujmy po kolumnach.
  # Nigdy nie bedzie 2x tego same atrybutu wiec tym sie nie martwimy
  old_features = old_features[ , order(names(old_features))]
  weights_matrix= weights_matrix[ , order(names(weights_matrix))]
  weighted_features = data.frame(old_features * weights_matrix) # pomnózmy cechy * waga
  new_feature = rowSums(weighted_features) # zsumujmy pomnożone cechy
  new_X[i] = new_feature # i tak powstała nowa cecha która leci do listy new_X
}


### TESTOWANIE ###
# podsumujmy co mamy:
# X to cechy originalne
# new_X to cechy wygenerowane wzorem
# y to etykiety (klasa próbki) wspólne dla X oraz new_X.
# To wszystko co nam potrzebne, żeby sprawdzić, czy generowanie cech miało sens czy nie.

#dzielenie cech X i new_X na train-test
s_value = sample(1:10, length(y), replace = TRUE) # losujemy liczby od 1-10
#Na przyklad tam gdzie wylosowalismy 1 to bęZdzie testowy zbior, tam gdzie inne to treningowy
#Ale ze mamy mały zbior to zrobmy 2:10, czyli tam gdzie wylosowano 1 i 2 to bedzie testowy.

# s_value %in% 3:10 powie nam, gdzie wylosowano liczby np. od 3 do 10
X_train = X[s_value %in% 3:10,]
new_X_train = new_X[s_value %in% 3:10,]
y_train = y[s_value %in% 3:10]

X_test = X[s_value %in% 1:2,]
new_X_test = new_X[s_value %in% 1:2,]
y_test = y[s_value %in% 1:2]

length(y_train) + length(y_test) == length(y) # musi dac true, wtedy wiemy ze korzystamy ze wszystkich dostepnych danych

# uczenie 1 drzewa decyzyjnego (rpart https://www.rdocumentation.org/packages/rpart/versions/4.1-15/topics/rpart ):
tree <- rpart(y_train~., X_train, method="class") # “class” argument tells it is a classification tree
set_1_predict = predict(tree, X_test, type = "class") # predykcja klas
# uczenie 2:
tree2 <- rpart(y_train~., new_X_train, method="class")
set_2_predict = predict(tree2, new_X_test, type = "class") # predykcja klas dla nowego wektora cech

#p Prownanie czy etykety dobrze zostały przewidziane
output_matrix1 = (y_test == set_1_predict)
single_output1 =  table(output_matrix1)[["TRUE"]]/ length(y_test)*100 # obliczenie skuteczności ilość poprawnych / ilość ogólna * 100%
print("WYNIK bez modyfikacji:")
print(single_output1)

#porownanie czy etykety dobrze zostały przewidziane
output_matrix2 = (y_test == set_2_predict)
single_output2 =  table(output_matrix2)[["TRUE"]]/ length(y_test)*100
print("WYNIK po modyfikacji:")
print(single_output2)