import pandas as pd
from sklearn.tree import DecisionTreeClassifier

data = pd.read_csv('/datasets/heart.csv')
features = data.drop(['target'], axis=1)
target = data['target']

scores = []

# зададим размер блока, если их всего три
block_size = int(len(data)/3)

for i in range(0, len(data), sample_size):
    # < запишите массив из индексов для валидационного блока >
    valid_indexes = data.iloc[i: i + block_size].index
    # < запишите массив из индексов для обучающей выборки >
    train_indexes = (data.iloc[:i] + data.iloc[i + block_size:]).index

	# разбейте переменные features и target на выборки features_train, target_train, features_valid, target_valid
    # < напишите код здесь >
    features_train = features.iloc[train_indexes]
    features_valid = features.iloc[valid_indexes]
    target_train = target.iloc[train_indexes]
    target_valid = target.iloc[valid_indexes]

    model = DecisionTreeClassifier(random_state=0)
    model = model.fit(features_train, target_train)
    model_predictions = model.predict(features_train)
    # < оцените качество модели >
    score = f1_score(target_train, model_predictions)

    scores.append(score)

    final_score = score.mean()

# < посчитайте среднее качество модели >
print('Средняя оценка качества модели:', final_score)