{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "slideshow": {
     "slide_type": "-"
    }
   },
   "source": [
    "## Uczenie maszynowe 2019/2020 – laboratoria\n",
    "### 27/28 kwietnia 2020\n",
    "# 7. Korzystanie z gotowych implementacji algorytmów na przykładzie pakietu *scikit-learn*"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "[Scikit-learn](https://scikit-learn.org) jest otwartoźródłową biblioteką programistyczną dla języka Python wspomagającą uczenie maszynowe. Zawiera implementacje wielu algorytmów uczenia maszynowego."
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Poniżej przykład, jak stworzyć klasyfikator regresji liniowej wielu zmiennych z użyciem `scikit-learn`.\n",
    "\n",
    "Na podobnej zasadzie można korzystać z innych modeli dostępnych w bibliotece."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [],
   "source": [
    "#! /usr/bin/env python3\n",
    "# -*- coding: utf-8 -*-\n",
    "\n",
    "# Regresja liniowa wielu zmiennych\n",
    "\n",
    "import csv\n",
    "import numpy\n",
    "import pandas\n",
    "import sys\n",
    "\n",
    "from sklearn import linear_model  # Model regresji liniowej z biblioteki scikit-learn\n",
    "\n",
    "\n",
    "FEATURES = [\n",
    "    'Powierzchnia w m2',\n",
    "    'Liczba pokoi',\n",
    "    'Liczba pięter w budynku',\n",
    "    'Piętro',\n",
    "    'Rok budowy',\n",
    "]\n",
    "\n",
    "\n",
    "def preprocess(data):\n",
    "    \"\"\"Wstępne przetworzenie danych\"\"\"\n",
    "    data = data.replace({'parter': 0, 'poddasze': 0}, regex=True)\n",
    "    data = data.applymap(numpy.nan_to_num)  # Zamienia \"NaN\" na liczby\n",
    "    return data\n",
    "\n",
    "# Nazwy plików\n",
    "input_filename = 'flats-test.tsv'\n",
    "output_filename = 'flats-predicted.tsv'\n",
    "trainset_filename = 'flats-train.tsv'\n",
    "\n",
    "# Wczytanie danych uczących\n",
    "data = pandas.read_csv(trainset_filename, header=0, sep='\\t')\n",
    "columns = data.columns[1:]  # wszystkie kolumny oprócz pierwszej (\"cena\")\n",
    "data = data[FEATURES + ['cena']]  # wybór cech\n",
    "data = preprocess(data)  # wstępne przetworzenie danych\n",
    "y = pandas.DataFrame(data['cena'])\n",
    "x = pandas.DataFrame(data[FEATURES])\n",
    "model = linear_model.LinearRegression()  # definicja modelu\n",
    "model.fit(x, y)  # dopasowanie modelu\n",
    "\n",
    "# Wczytanie danych testowych\n",
    "data = pandas.read_csv(input_filename, header=None, sep='\\t', names=columns)\n",
    "x = pandas.DataFrame(data[FEATURES])  # wybór cech\n",
    "x = preprocess(x)  # wstępne przetworzenie danych\n",
    "y = model.predict(x)  # przewidywania modelu\n",
    "\n",
    "# Zapis wyników do pliku\n",
    "pandas.DataFrame(y).to_csv(output_filename, index=None, header=None, sep='\\t')"
   ]
  }
 ],
 "metadata": {
  "celltoolbar": "Slideshow",
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.8.3"
  },
  "livereveal": {
   "start_slideshow_at": "selected",
   "theme": "amu"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 4
}