From 7bf768e6af062a6ccddfef7b081054484edd2732 Mon Sep 17 00:00:00 2001
From: s473561 <wikgrz12@st.amu.edu.pl>
Date: Mon, 29 May 2023 13:29:04 +0200
Subject: [PATCH 1/2] update

---
 DecisionTree/drzewo_decyzyjne.py |   8 +-
 Source.gv                        | 197 ++++++++++++++++++++++++++++++
 training_data.txt                | 200 -------------------------------
 3 files changed, 201 insertions(+), 204 deletions(-)
 create mode 100644 Source.gv

diff --git a/DecisionTree/drzewo_decyzyjne.py b/DecisionTree/drzewo_decyzyjne.py
index add9cfe..82ded67 100644
--- a/DecisionTree/drzewo_decyzyjne.py
+++ b/DecisionTree/drzewo_decyzyjne.py
@@ -33,9 +33,9 @@ from sklearn.tree import export_graphviz
 #     # clf.fit(X_train, y_train)
 #     return clf
 
-plikZPrzecinkami = open("training_data.txt", 'w')
+plikZPrzecinkami = open("DecisionTree/training_data.txt", 'w')
 
-with open('200permutations_table.txt', 'r') as plik:
+with open('DecisionTree/200permutations_table.txt', 'r') as plik:
     for linia in plik:
         liczby = linia.strip()
         wiersz = ""
@@ -49,9 +49,9 @@ with open('200permutations_table.txt', 'r') as plik:
 
 plikZPrzecinkami.close()
 
-x = pd.read_csv('training_data.txt', delimiter=';',
+x = pd.read_csv('DecisionTree/training_data.txt', delimiter=';',
                 names=['wielkosc', 'waga,', 'priorytet', 'ksztalt', 'kruchosc', 'dolna', 'gorna', 'g > d'])
-y = pd.read_csv('decisions.txt', names=['polka'])
+y = pd.read_csv('DecisionTree/decisions.txt', names=['polka'])
 # X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1)  # 70% treningowe and 30% testowe
 
 # Tworzenie instancji klasyfikatora ID3
diff --git a/Source.gv b/Source.gv
new file mode 100644
index 0000000..e6f7154
--- /dev/null
+++ b/Source.gv
@@ -0,0 +1,197 @@
+digraph Tree {
+node [shape=box, style="filled, rounded", color="black", fontname="helvetica"] ;
+edge [fontname="helvetica"] ;
+0 [label="g > d <= 0.5\nentropy = 0.997\nsamples = 200\nvalue = [94, 106]\nclass = 1", fillcolor="#e9f4fc"] ;
+1 [label="waga, <= 0.5\nentropy = 0.803\nsamples = 98\nvalue = [74, 24]\nclass = 0", fillcolor="#edaa79"] ;
+0 -> 1 [labeldistance=2.5, labelangle=45, headlabel="True"] ;
+2 [label="wielkosc <= 1.5\nentropy = 0.998\nsamples = 34\nvalue = [16, 18]\nclass = 1", fillcolor="#e9f4fc"] ;
+1 -> 2 ;
+3 [label="priorytet <= 0.5\nentropy = 0.887\nsamples = 23\nvalue = [7, 16]\nclass = 1", fillcolor="#90c8f0"] ;
+2 -> 3 ;
+4 [label="kruchosc <= 0.5\nentropy = 0.439\nsamples = 11\nvalue = [1, 10]\nclass = 1", fillcolor="#4da7e8"] ;
+3 -> 4 ;
+5 [label="entropy = 0.0\nsamples = 7\nvalue = [0, 7]\nclass = 1", fillcolor="#399de5"] ;
+4 -> 5 ;
+6 [label="ksztalt <= 0.5\nentropy = 0.811\nsamples = 4\nvalue = [1, 3]\nclass = 1", fillcolor="#7bbeee"] ;
+4 -> 6 ;
+7 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+6 -> 7 ;
+8 [label="dolna <= 0.5\nentropy = 0.918\nsamples = 3\nvalue = [1, 2]\nclass = 1", fillcolor="#9ccef2"] ;
+6 -> 8 ;
+9 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+8 -> 9 ;
+10 [label="gorna <= 0.5\nentropy = 1.0\nsamples = 2\nvalue = [1, 1]\nclass = 0", fillcolor="#ffffff"] ;
+8 -> 10 ;
+11 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+10 -> 11 ;
+12 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+10 -> 12 ;
+13 [label="kruchosc <= 0.5\nentropy = 1.0\nsamples = 12\nvalue = [6, 6]\nclass = 0", fillcolor="#ffffff"] ;
+3 -> 13 ;
+14 [label="entropy = 0.0\nsamples = 5\nvalue = [5, 0]\nclass = 0", fillcolor="#e58139"] ;
+13 -> 14 ;
+15 [label="wielkosc <= 0.5\nentropy = 0.592\nsamples = 7\nvalue = [1, 6]\nclass = 1", fillcolor="#5aade9"] ;
+13 -> 15 ;
+16 [label="entropy = 0.0\nsamples = 4\nvalue = [0, 4]\nclass = 1", fillcolor="#399de5"] ;
+15 -> 16 ;
+17 [label="ksztalt <= 0.5\nentropy = 0.918\nsamples = 3\nvalue = [1, 2]\nclass = 1", fillcolor="#9ccef2"] ;
+15 -> 17 ;
+18 [label="entropy = 0.0\nsamples = 2\nvalue = [0, 2]\nclass = 1", fillcolor="#399de5"] ;
+17 -> 18 ;
+19 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+17 -> 19 ;
+20 [label="ksztalt <= 0.5\nentropy = 0.684\nsamples = 11\nvalue = [9, 2]\nclass = 0", fillcolor="#eb9d65"] ;
+2 -> 20 ;
+21 [label="kruchosc <= 0.5\nentropy = 1.0\nsamples = 4\nvalue = [2, 2]\nclass = 0", fillcolor="#ffffff"] ;
+20 -> 21 ;
+22 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+21 -> 22 ;
+23 [label="dolna <= 0.5\nentropy = 0.918\nsamples = 3\nvalue = [1, 2]\nclass = 1", fillcolor="#9ccef2"] ;
+21 -> 23 ;
+24 [label="entropy = 0.0\nsamples = 2\nvalue = [0, 2]\nclass = 1", fillcolor="#399de5"] ;
+23 -> 24 ;
+25 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+23 -> 25 ;
+26 [label="entropy = 0.0\nsamples = 7\nvalue = [7, 0]\nclass = 0", fillcolor="#e58139"] ;
+20 -> 26 ;
+27 [label="gorna <= 0.5\nentropy = 0.449\nsamples = 64\nvalue = [58, 6]\nclass = 0", fillcolor="#e88e4d"] ;
+1 -> 27 ;
+28 [label="entropy = 0.0\nsamples = 33\nvalue = [33, 0]\nclass = 0", fillcolor="#e58139"] ;
+27 -> 28 ;
+29 [label="wielkosc <= 1.5\nentropy = 0.709\nsamples = 31\nvalue = [25, 6]\nclass = 0", fillcolor="#eb9f69"] ;
+27 -> 29 ;
+30 [label="ksztalt <= 0.5\nentropy = 0.918\nsamples = 18\nvalue = [12, 6]\nclass = 0", fillcolor="#f2c09c"] ;
+29 -> 30 ;
+31 [label="kruchosc <= 0.5\nentropy = 1.0\nsamples = 10\nvalue = [5, 5]\nclass = 0", fillcolor="#ffffff"] ;
+30 -> 31 ;
+32 [label="waga, <= 1.5\nentropy = 0.722\nsamples = 5\nvalue = [4, 1]\nclass = 0", fillcolor="#eca06a"] ;
+31 -> 32 ;
+33 [label="entropy = 0.0\nsamples = 3\nvalue = [3, 0]\nclass = 0", fillcolor="#e58139"] ;
+32 -> 33 ;
+34 [label="dolna <= 0.5\nentropy = 1.0\nsamples = 2\nvalue = [1, 1]\nclass = 0", fillcolor="#ffffff"] ;
+32 -> 34 ;
+35 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+34 -> 35 ;
+36 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+34 -> 36 ;
+37 [label="priorytet <= 0.5\nentropy = 0.722\nsamples = 5\nvalue = [1, 4]\nclass = 1", fillcolor="#6ab6ec"] ;
+31 -> 37 ;
+38 [label="entropy = 0.0\nsamples = 3\nvalue = [0, 3]\nclass = 1", fillcolor="#399de5"] ;
+37 -> 38 ;
+39 [label="dolna <= 0.5\nentropy = 1.0\nsamples = 2\nvalue = [1, 1]\nclass = 0", fillcolor="#ffffff"] ;
+37 -> 39 ;
+40 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+39 -> 40 ;
+41 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+39 -> 41 ;
+42 [label="waga, <= 1.5\nentropy = 0.544\nsamples = 8\nvalue = [7, 1]\nclass = 0", fillcolor="#e99355"] ;
+30 -> 42 ;
+43 [label="entropy = 0.0\nsamples = 4\nvalue = [4, 0]\nclass = 0", fillcolor="#e58139"] ;
+42 -> 43 ;
+44 [label="wielkosc <= 0.5\nentropy = 0.811\nsamples = 4\nvalue = [3, 1]\nclass = 0", fillcolor="#eeab7b"] ;
+42 -> 44 ;
+45 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+44 -> 45 ;
+46 [label="dolna <= 0.5\nentropy = 0.918\nsamples = 3\nvalue = [2, 1]\nclass = 0", fillcolor="#f2c09c"] ;
+44 -> 46 ;
+47 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+46 -> 47 ;
+48 [label="kruchosc <= 0.5\nentropy = 1.0\nsamples = 2\nvalue = [1, 1]\nclass = 0", fillcolor="#ffffff"] ;
+46 -> 48 ;
+49 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+48 -> 49 ;
+50 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+48 -> 50 ;
+51 [label="entropy = 0.0\nsamples = 13\nvalue = [13, 0]\nclass = 0", fillcolor="#e58139"] ;
+29 -> 51 ;
+52 [label="wielkosc <= 1.5\nentropy = 0.714\nsamples = 102\nvalue = [20, 82]\nclass = 1", fillcolor="#69b5eb"] ;
+0 -> 52 [labeldistance=2.5, labelangle=-45, headlabel="False"] ;
+53 [label="waga, <= 0.5\nentropy = 0.469\nsamples = 70\nvalue = [7, 63]\nclass = 1", fillcolor="#4fa8e8"] ;
+52 -> 53 ;
+54 [label="entropy = 0.0\nsamples = 21\nvalue = [0, 21]\nclass = 1", fillcolor="#399de5"] ;
+53 -> 54 ;
+55 [label="ksztalt <= 0.5\nentropy = 0.592\nsamples = 49\nvalue = [7, 42]\nclass = 1", fillcolor="#5aade9"] ;
+53 -> 55 ;
+56 [label="wielkosc <= 0.5\nentropy = 0.25\nsamples = 24\nvalue = [1, 23]\nclass = 1", fillcolor="#42a1e6"] ;
+55 -> 56 ;
+57 [label="entropy = 0.0\nsamples = 15\nvalue = [0, 15]\nclass = 1", fillcolor="#399de5"] ;
+56 -> 57 ;
+58 [label="kruchosc <= 0.5\nentropy = 0.503\nsamples = 9\nvalue = [1, 8]\nclass = 1", fillcolor="#52a9e8"] ;
+56 -> 58 ;
+59 [label="gorna <= 0.5\nentropy = 0.722\nsamples = 5\nvalue = [1, 4]\nclass = 1", fillcolor="#6ab6ec"] ;
+58 -> 59 ;
+60 [label="dolna <= 0.5\nentropy = 0.918\nsamples = 3\nvalue = [1, 2]\nclass = 1", fillcolor="#9ccef2"] ;
+59 -> 60 ;
+61 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+60 -> 61 ;
+62 [label="waga, <= 1.5\nentropy = 1.0\nsamples = 2\nvalue = [1, 1]\nclass = 0", fillcolor="#ffffff"] ;
+60 -> 62 ;
+63 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+62 -> 63 ;
+64 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+62 -> 64 ;
+65 [label="entropy = 0.0\nsamples = 2\nvalue = [0, 2]\nclass = 1", fillcolor="#399de5"] ;
+59 -> 65 ;
+66 [label="entropy = 0.0\nsamples = 4\nvalue = [0, 4]\nclass = 1", fillcolor="#399de5"] ;
+58 -> 66 ;
+67 [label="kruchosc <= 0.5\nentropy = 0.795\nsamples = 25\nvalue = [6, 19]\nclass = 1", fillcolor="#78bced"] ;
+55 -> 67 ;
+68 [label="priorytet <= 0.5\nentropy = 0.98\nsamples = 12\nvalue = [5, 7]\nclass = 1", fillcolor="#c6e3f8"] ;
+67 -> 68 ;
+69 [label="dolna <= 0.5\nentropy = 0.764\nsamples = 9\nvalue = [2, 7]\nclass = 1", fillcolor="#72b9ec"] ;
+68 -> 69 ;
+70 [label="entropy = 0.0\nsamples = 5\nvalue = [0, 5]\nclass = 1", fillcolor="#399de5"] ;
+69 -> 70 ;
+71 [label="gorna <= 0.5\nentropy = 1.0\nsamples = 4\nvalue = [2, 2]\nclass = 0", fillcolor="#ffffff"] ;
+69 -> 71 ;
+72 [label="entropy = 0.0\nsamples = 2\nvalue = [2, 0]\nclass = 0", fillcolor="#e58139"] ;
+71 -> 72 ;
+73 [label="entropy = 0.0\nsamples = 2\nvalue = [0, 2]\nclass = 1", fillcolor="#399de5"] ;
+71 -> 73 ;
+74 [label="entropy = 0.0\nsamples = 3\nvalue = [3, 0]\nclass = 0", fillcolor="#e58139"] ;
+68 -> 74 ;
+75 [label="gorna <= 0.5\nentropy = 0.391\nsamples = 13\nvalue = [1, 12]\nclass = 1", fillcolor="#49a5e7"] ;
+67 -> 75 ;
+76 [label="priorytet <= 0.5\nentropy = 0.65\nsamples = 6\nvalue = [1, 5]\nclass = 1", fillcolor="#61b1ea"] ;
+75 -> 76 ;
+77 [label="entropy = 0.0\nsamples = 4\nvalue = [0, 4]\nclass = 1", fillcolor="#399de5"] ;
+76 -> 77 ;
+78 [label="wielkosc <= 0.5\nentropy = 1.0\nsamples = 2\nvalue = [1, 1]\nclass = 0", fillcolor="#ffffff"] ;
+76 -> 78 ;
+79 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+78 -> 79 ;
+80 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+78 -> 80 ;
+81 [label="entropy = 0.0\nsamples = 7\nvalue = [0, 7]\nclass = 1", fillcolor="#399de5"] ;
+75 -> 81 ;
+82 [label="gorna <= 0.5\nentropy = 0.974\nsamples = 32\nvalue = [13, 19]\nclass = 1", fillcolor="#c0e0f7"] ;
+52 -> 82 ;
+83 [label="kruchosc <= 0.5\nentropy = 0.65\nsamples = 12\nvalue = [10, 2]\nclass = 0", fillcolor="#ea9a61"] ;
+82 -> 83 ;
+84 [label="entropy = 0.0\nsamples = 7\nvalue = [7, 0]\nclass = 0", fillcolor="#e58139"] ;
+83 -> 84 ;
+85 [label="priorytet <= 0.5\nentropy = 0.971\nsamples = 5\nvalue = [3, 2]\nclass = 0", fillcolor="#f6d5bd"] ;
+83 -> 85 ;
+86 [label="waga, <= 1.5\nentropy = 0.918\nsamples = 3\nvalue = [1, 2]\nclass = 1", fillcolor="#9ccef2"] ;
+85 -> 86 ;
+87 [label="entropy = 0.0\nsamples = 2\nvalue = [0, 2]\nclass = 1", fillcolor="#399de5"] ;
+86 -> 87 ;
+88 [label="entropy = 0.0\nsamples = 1\nvalue = [1, 0]\nclass = 0", fillcolor="#e58139"] ;
+86 -> 88 ;
+89 [label="entropy = 0.0\nsamples = 2\nvalue = [2, 0]\nclass = 0", fillcolor="#e58139"] ;
+85 -> 89 ;
+90 [label="dolna <= 0.5\nentropy = 0.61\nsamples = 20\nvalue = [3, 17]\nclass = 1", fillcolor="#5caeea"] ;
+82 -> 90 ;
+91 [label="entropy = 0.0\nsamples = 11\nvalue = [0, 11]\nclass = 1", fillcolor="#399de5"] ;
+90 -> 91 ;
+92 [label="kruchosc <= 0.5\nentropy = 0.918\nsamples = 9\nvalue = [3, 6]\nclass = 1", fillcolor="#9ccef2"] ;
+90 -> 92 ;
+93 [label="waga, <= 0.5\nentropy = 0.811\nsamples = 4\nvalue = [3, 1]\nclass = 0", fillcolor="#eeab7b"] ;
+92 -> 93 ;
+94 [label="entropy = 0.0\nsamples = 1\nvalue = [0, 1]\nclass = 1", fillcolor="#399de5"] ;
+93 -> 94 ;
+95 [label="entropy = 0.0\nsamples = 3\nvalue = [3, 0]\nclass = 0", fillcolor="#e58139"] ;
+93 -> 95 ;
+96 [label="entropy = 0.0\nsamples = 5\nvalue = [0, 5]\nclass = 1", fillcolor="#399de5"] ;
+92 -> 96 ;
+}
diff --git a/training_data.txt b/training_data.txt
index 06a4ff8..e69de29 100644
--- a/training_data.txt
+++ b/training_data.txt
@@ -1,200 +0,0 @@
-1;0;0;1;0;0;1;0
-0;0;1;0;1;1;0;1
-2;0;1;1;0;0;0;1
-2;2;1;0;1;1;1;0
-1;0;0;1;0;0;0;1
-2;1;0;0;1;1;0;0
-1;0;0;0;1;0;0;1
-1;1;0;1;0;0;0;1
-0;0;1;0;1;1;1;0
-0;2;0;0;0;1;1;0
-0;0;1;0;0;1;0;1
-0;0;0;0;0;1;1;0
-0;2;1;0;1;1;0;0
-2;0;0;0;1;0;0;0
-2;1;0;1;0;1;1;1
-0;1;1;0;1;1;1;0
-0;2;0;1;1;1;0;1
-1;2;1;0;1;1;0;0
-0;0;1;1;1;1;0;1
-0;0;0;1;1;0;0;1
-1;1;1;1;1;0;1;0
-1;2;1;0;0;1;1;1
-2;2;1;1;0;1;1;1
-1;2;1;0;1;1;0;1
-0;1;0;0;0;1;0;1
-1;1;0;0;0;1;0;1
-0;1;0;0;0;1;1;1
-2;1;0;1;0;1;0;1
-0;1;1;0;1;1;0;0
-2;1;0;1;0;1;1;0
-1;2;1;0;0;0;1;1
-1;2;0;1;0;1;1;1
-0;2;0;1;0;1;0;1
-2;1;1;0;1;1;1;1
-0;2;0;1;0;0;0;1
-0;1;1;0;0;1;1;0
-2;2;1;0;0;0;1;1
-1;0;0;0;0;0;1;0
-0;0;1;1;0;1;0;0
-2;2;0;1;1;1;0;0
-1;2;1;1;0;0;0;1
-1;2;0;1;0;0;1;1
-0;1;0;1;1;1;1;0
-0;1;0;0;1;1;0;0
-0;1;0;1;1;0;0;0
-1;1;1;0;1;1;0;1
-1;1;1;1;0;1;1;0
-2;1;1;1;0;1;1;0
-2;2;0;0;1;1;0;0
-1;0;0;1;0;1;0;1
-2;1;1;1;1;0;1;0
-0;0;0;0;1;1;0;0
-2;1;1;1;0;1;0;1
-1;2;1;1;1;0;1;1
-0;2;0;0;1;1;1;1
-2;1;0;1;1;0;0;0
-0;2;1;1;1;0;1;1
-1;2;0;1;1;1;1;0
-0;2;0;0;0;1;0;1
-1;2;0;0;0;1;0;0
-2;0;0;1;0;1;1;1
-2;1;1;0;0;0;1;1
-0;1;1;1;0;1;0;0
-2;1;0;1;1;1;0;0
-0;2;0;1;0;0;0;0
-2;1;0;0;1;0;0;1
-1;1;0;0;1;1;0;0
-2;0;0;1;0;0;1;1
-2;0;1;1;1;0;1;1
-2;2;0;1;1;0;0;0
-0;1;0;1;1;1;0;1
-1;0;1;1;1;0;0;0
-2;0;0;1;1;1;1;1
-1;0;0;0;0;0;0;1
-2;1;1;0;0;0;0;1
-0;0;0;0;1;1;0;1
-0;1;0;1;0;0;0;1
-2;2;0;1;0;0;0;0
-0;2;1;1;1;1;0;1
-2;2;1;0;0;1;1;0
-1;2;0;0;1;1;1;0
-0;1;1;1;0;0;0;1
-1;1;1;0;1;0;0;0
-2;0;1;1;0;0;1;1
-2;0;1;0;1;0;1;0
-2;2;0;0;0;1;1;0
-1;1;0;1;1;0;1;1
-2;0;0;0;0;0;1;1
-1;2;0;0;1;1;0;1
-1;2;1;1;0;0;0;0
-0;0;1;1;1;1;1;0
-0;2;1;1;0;1;0;0
-2;1;1;0;0;0;1;0
-1;0;0;1;1;0;0;0
-2;2;0;1;1;1;0;1
-2;0;0;1;1;1;0;0
-0;2;1;0;0;0;0;0
-1;2;1;1;1;0;0;1
-0;0;0;0;0;1;1;1
-2;2;1;1;1;0;1;1
-0;1;0;0;1;0;1;0
-2;1;1;0;1;1;0;0
-0;1;1;1;1;1;1;1
-1;2;1;1;1;0;1;0
-2;0;1;1;1;1;1;0
-1;0;1;1;0;0;1;0
-0;2;0;0;1;0;0;1
-2;2;0;0;0;1;0;0
-0;2;0;0;1;1;0;0
-0;1;0;0;0;0;1;1
-1;0;0;0;0;1;0;1
-2;1;0;0;0;0;1;0
-0;1;1;0;0;1;0;0
-1;0;1;0;1;0;1;0
-2;0;0;0;1;1;0;0
-0;0;0;0;0;0;0;0
-0;0;1;0;1;0;0;0
-1;0;1;0;0;0;0;0
-0;2;1;0;0;0;0;1
-2;0;0;1;1;1;0;1
-0;2;0;1;1;1;1;0
-0;2;1;1;1;1;1;1
-1;2;0;1;0;1;1;0
-0;2;1;0;0;1;0;0
-2;0;1;1;1;1;1;1
-0;0;0;1;1;1;1;1
-1;2;0;1;1;0;0;0
-1;2;0;1;1;0;0;1
-2;2;0;1;0;0;1;0
-2;2;0;0;0;0;1;0
-0;0;0;1;0;0;1;0
-1;0;1;0;1;0;0;0
-0;2;0;0;0;0;0;0
-2;0;1;0;1;1;1;1
-0;2;1;0;0;0;1;1
-0;2;1;0;1;1;1;1
-2;2;1;0;1;0;1;0
-1;1;1;1;1;1;1;1
-0;1;1;0;1;0;0;0
-2;1;1;0;0;1;1;1
-0;0;1;0;1;1;1;1
-0;1;1;0;1;0;1;0
-2;0;0;1;0;0;1;0
-1;1;0;1;1;1;1;0
-2;0;0;1;1;1;1;0
-0;0;1;0;0;1;1;0
-1;0;1;0;1;1;1;1
-0;1;0;0;0;0;0;1
-0;2;0;1;1;0;0;1
-2;1;1;0;1;0;1;1
-1;1;1;1;1;0;1;1
-1;0;1;1;0;0;1;1
-1;0;0;1;1;0;0;1
-2;1;1;1;0;0;1;0
-1;0;0;0;0;0;0;0
-0;0;0;1;1;1;1;0
-1;0;1;1;0;0;0;1
-2;1;1;1;1;0;1;1
-1;2;0;1;0;1;0;1
-1;1;0;0;0;1;1;0
-2;2;1;0;1;1;0;1
-0;0;0;0;0;0;1;0
-0;2;0;0;0;1;1;1
-2;1;0;0;0;0;1;1
-0;0;0;1;1;1;0;0
-1;0;1;0;0;1;1;0
-2;0;0;0;1;1;1;1
-1;2;1;0;0;0;0;1
-2;2;0;0;0;1;0;1
-0;1;1;0;0;0;1;0
-0;2;0;0;1;0;1;0
-1;1;0;0;1;1;1;1
-0;0;0;1;0;0;1;1
-0;1;1;0;0;1;1;1
-2;2;0;1;1;0;1;0
-1;0;1;0;1;0;1;1
-1;1;0;1;0;0;1;1
-2;0;1;1;0;0;1;0
-2;0;1;0;0;0;1;0
-1;1;1;1;0;1;1;1
-2;1;1;0;1;0;0;0
-0;2;0;1;1;0;0;0
-1;2;1;1;0;1;0;0
-2;1;1;1;1;1;0;1
-0;2;0;1;0;1;1;1
-0;2;1;0;1;0;0;1
-0;1;1;0;0;0;1;1
-1;0;0;1;1;0;1;1
-2;2;1;1;0;0;0;0
-0;1;1;0;0;0;0;0
-2;0;1;1;0;1;0;0
-0;1;1;0;0;0;0;1
-0;0;1;1;1;0;1;0
-0;2;0;0;0;0;1;0
-2;0;0;1;0;1;1;0
-0;0;1;0;1;0;1;1
-2;2;0;0;1;0;1;1
-2;2;0;1;0;0;0;1
-2;2;0;1;0;1;0;1
-1;2;1;0;0;1;0;1

From d1ba1659c1260a496b15764e5dea3d8039ff3ed0 Mon Sep 17 00:00:00 2001
From: s473561 <wikgrz12@st.amu.edu.pl>
Date: Tue, 30 May 2023 18:47:23 +0200
Subject: [PATCH 2/2] drzewo generowane poza main

---
 .vscode/settings.json                    |   5 +
 DecisionTree/drzewo_decyzyjne.py         |  87 ----------
 __pycache__/ekran.cpython-311.pyc        | Bin 5941 -> 6425 bytes
 __pycache__/grid.cpython-311.pyc         | Bin 2931 -> 2931 bytes
 __pycache__/packageList.cpython-311.pyc  | Bin 1202 -> 1202 bytes
 __pycache__/paczka.cpython-311.pyc       | Bin 6146 -> 6176 bytes
 __pycache__/regal.cpython-311.pyc        | Bin 4894 -> 4894 bytes
 __pycache__/wozek.cpython-311.pyc        | Bin 7918 -> 7918 bytes
 __pycache__/wyszukiwanie.cpython-311.pyc | Bin 7045 -> 7045 bytes
 drzewo_decyzyjne.py                      |  58 +++++++
 ekran.py                                 |  22 +--
 main.py                                  |  33 +---
 paczka.py                                |  26 +--
 training_data.txt                        | 200 +++++++++++++++++++++++
 14 files changed, 288 insertions(+), 143 deletions(-)
 create mode 100644 .vscode/settings.json
 delete mode 100644 DecisionTree/drzewo_decyzyjne.py
 create mode 100644 drzewo_decyzyjne.py

diff --git a/.vscode/settings.json b/.vscode/settings.json
new file mode 100644
index 0000000..25247b4
--- /dev/null
+++ b/.vscode/settings.json
@@ -0,0 +1,5 @@
+{
+    "python.analysis.extraPaths": [
+        "./DecisionTree"
+    ]
+}
\ No newline at end of file
diff --git a/DecisionTree/drzewo_decyzyjne.py b/DecisionTree/drzewo_decyzyjne.py
deleted file mode 100644
index 82ded67..0000000
--- a/DecisionTree/drzewo_decyzyjne.py
+++ /dev/null
@@ -1,87 +0,0 @@
-import graphviz
-import pandas as pd
-from sklearn.tree import DecisionTreeClassifier
-from sklearn.tree import export_graphviz
-
-# def make_tree():
-#     plikZPrzecinkami = open("training_data.txt", 'w')
-
-#     with open('DecisionTree/200permutations_table.txt', 'r') as plik:
-#         for linia in plik:
-#             liczby = linia.strip()
-#             wiersz = ""
-#             licznik = 0
-#             for liczba in liczby:
-#                 wiersz += liczba
-#                 wiersz += ";"
-#             wiersz = wiersz[:-1]
-#             wiersz += '\n'
-#             plikZPrzecinkami.write(wiersz)
-
-#     plikZPrzecinkami.close()
-
-#     x = pd.read_csv('DecisionTree/training_data.txt', delimiter=';',
-#                     names=['wielkosc', 'waga,', 'priorytet', 'ksztalt', 'kruchosc', 'dolna', 'gorna', 'g > d'])
-#     y = pd.read_csv('DecisionTree/decisions.txt', names=['polka'])
-#     # X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1)  # 70% treningowe and 30% testowe
-
-#     # Tworzenie instancji klasyfikatora ID3
-#     clf = DecisionTreeClassifier(criterion='entropy')
-
-#     # Trenowanie klasyfikatora
-#     clf.fit(x.values, y.values)
-#     # clf.fit(X_train, y_train)
-#     return clf
-
-plikZPrzecinkami = open("DecisionTree/training_data.txt", 'w')
-
-with open('DecisionTree/200permutations_table.txt', 'r') as plik:
-    for linia in plik:
-        liczby = linia.strip()
-        wiersz = ""
-        licznik = 0
-        for liczba in liczby:
-            wiersz += liczba
-            wiersz += ";"
-        wiersz = wiersz[:-1]
-        wiersz += '\n'
-        plikZPrzecinkami.write(wiersz)
-
-plikZPrzecinkami.close()
-
-x = pd.read_csv('DecisionTree/training_data.txt', delimiter=';',
-                names=['wielkosc', 'waga,', 'priorytet', 'ksztalt', 'kruchosc', 'dolna', 'gorna', 'g > d'])
-y = pd.read_csv('DecisionTree/decisions.txt', names=['polka'])
-# X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1)  # 70% treningowe and 30% testowe
-
-# Tworzenie instancji klasyfikatora ID3
-clf = DecisionTreeClassifier(criterion='entropy')
-
-# Trenowanie klasyfikatora
-clf.fit(x.values, y.values)
-# clf.fit(X_train, y_train)
-
-
-# Predykcja na nowych danych
-new_data = [[2, 2, 1, 0, 1, 1, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0]]
-predictions = clf.predict(new_data)
-# y_pred = clf.predict(X_test)
-
-
-print(predictions)
-# print("Accuracy:", clf.score(new_data, predictions))
-# print("Accuracy:", metrics.accuracy_score(y_test, y_pred))
-
-
-# Wygenerowanie pliku .dot reprezentującego drzewo
-dot_data = export_graphviz(clf, out_file=None, feature_names=list(x.columns), class_names=['0', '1'], filled=True,
-                           rounded=True)
-
-# Tworzenie obiektu graphviz z pliku .dot
-graph = graphviz.Source(dot_data)
-
-# Wyświetlanie drzewa
-graph.view()
-
-z = pd.concat([x, y], axis=1)
-z.to_csv('dane.csv', index=False)
diff --git a/__pycache__/ekran.cpython-311.pyc b/__pycache__/ekran.cpython-311.pyc
index 70bdb4e03d99309b7c37170c494b70c7768c225c..bd1b4245ba85a0fbf49b1b720a9bf038e7e33fcd 100644
GIT binary patch
delta 606
zcmdn0H`9o3IWI340}#Y(l%*`@p2#P`cx$8j6-I8M7KSMG6vki%P2o*UKUo=tHveKz
zXJXXaoW#Y-#AvuVgXb_4qt#{|{tQM&*U1M2MK`Y!5M^Za-F!gMfRQg0XkxJikZ54I
zD<ro`SdEb}a<aNephPkg$TBEk0n*Gs{P`WjWFcO)$)|XQCwueqOjhO<6{}%f#>l|1
z8i*l)k)eiR0n_9_A>ql{ypkfzfaa`*n+23)L`c@7OQtXcGZbk9&Cz5n3IkF_x<KL<
ze`!HVVo7RzL4I*&NoIat5jRMR2c(SY7E^&C5E~VPtWZ!WQU_@eP03G5%!)5aOs>k#
zjL%DqFG|cUNG(bL%EbY3aSV_E`j;hM;5v)=B^L1+Ocz<Cudqm8V3EGdf+==`h3z_v
z*d-RRsikvMFS4jyVNtojqJmu%C;>!8nm`*gH6~Yyyte>byOIGc1a{sp4x8Nkl+v73
zyP{m6GEl%3uLF`Fm>C%vZ!qvSfZ>hF8%2#KZx9uo{8&_i{|1BP1sHlDBs!T#Y!dSW
qe!<C$#k3gtCZ7|tv0`F0{=fhyIG7pDKQO=vE*3`B4-A+D*iitUn3Sjh

delta 238
zcmbPfv{jF9IWI340}$|KmZZGmnaC%>cx9vd6-HLZU<OU0&1_6RSs5iZailXb8f?zs
zVr62q*__97n2FJKvk`v=BV)kk*#cUOj1ilU2^ug8Bmm7RwgM6j3|~1IgylE02&*wN
zrcc%u31re#pX?|0ezKFexJ(961tUo5Vj%f}nURt41_N&c7(STXC~iG@gSd*|0|v<p
zF!X_qL0D|^WARC>AGjC<geF%=XfaAmUMyjw&B|!}fdNkNF*BNfV8A4bG=a7O0EyE&
ATL1t6

diff --git a/__pycache__/grid.cpython-311.pyc b/__pycache__/grid.cpython-311.pyc
index 4416952918c1b1ec787a574c09849a7abe990a5f..65f57dfccf5d1fe2c39dcdfbb5c1ff6c6fbf861f 100644
GIT binary patch
delta 20
acmew?_F0U3IWI340}xE<DcQ)K!3_XF<^`+(

delta 20
acmew?_F0U3IWI340}$}<EZ)eS!3_XDOa)T_

diff --git a/__pycache__/packageList.cpython-311.pyc b/__pycache__/packageList.cpython-311.pyc
index 5e540f6708d3bbdb81f28afee89d0b1f60c5478d..0100db0c56168fdfd24c46719563be6e2a8c16bb 100644
GIT binary patch
delta 20
acmdnQxrvi|IWI340}xE<DcQ)qoCN?i;{`|n

delta 20
acmdnQxrvi|IWI340}zCrDBj4uoCN?ilm$fq

diff --git a/__pycache__/paczka.cpython-311.pyc b/__pycache__/paczka.cpython-311.pyc
index 7807dfaea159606d46e29640e53bd87f2f08806c..480caee4f8976f387637b14d6ef11113e42d24ed 100644
GIT binary patch
delta 183
zcmZoNSYW`roR^o20SN9)DoJVG$ZI7q`98nS<oA4nlUoF|;p{g^Yy%#i$q9nFa5*la
zKqNN*<eyBUlNSi;!o}2t%^A5S#|it(-I7VJs*KM|j8D%m%1h0PFV9R(22#11saeIz
tiJR972QdlhUE<ce$Zc?i+hBvs1#Sx<nk*<*%IG$^UF<KT|KwKjS^yfcK>z>%

delta 153
zcmZ2r&}6{7oR^o20SNdrOH#@<@>&T@e$OW~`M#jk<oo=BlUoF|QTT7r_y#;YlM@7U
vQPgk=1>)ta37a!=PL31y-+Wp)h-vaoQOn6;Vt$OSlb4G9W%Qf8SiBYhtDiMp

diff --git a/__pycache__/regal.cpython-311.pyc b/__pycache__/regal.cpython-311.pyc
index c7d75cf32b600c4e409ba000a017222f016ab678..a892f15d9035e064c159a8060ee1f58df3b38e65 100644
GIT binary patch
delta 20
acmbQIHcyRvIWI340}xE<DcQ&^EDQiO<^<IM

delta 20
acmbQIHcyRvIWI340}$M}S-g>3SQr2~iv?u>

diff --git a/__pycache__/wozek.cpython-311.pyc b/__pycache__/wozek.cpython-311.pyc
index 21f255cb87c624505e12b8cbc412f445b8502bf6..27447ca5cba6ee10316b71346a2030a95609615a 100644
GIT binary patch
delta 19
ZcmaE7`_7hYIWI340}xE<*~s-o4gf$51_=NF

delta 19
ZcmaE7`_7hYIWI340}w=IZ{&I+2LL_`1+D-9

diff --git a/__pycache__/wyszukiwanie.cpython-311.pyc b/__pycache__/wyszukiwanie.cpython-311.pyc
index d864d90789efd9b6c38941c486eb6bf19402df74..59ec5904385275534b42c2b1a5a3864e3ebbce85 100644
GIT binary patch
delta 20
acmZoQZ#Cy$&dbZi00dKdN;Yy=Ndo{iY6Ua^

delta 20
acmZoQZ#Cy$&dbZi00a}y6>sFOk_G@a+y!y~

diff --git a/drzewo_decyzyjne.py b/drzewo_decyzyjne.py
new file mode 100644
index 0000000..f8efe20
--- /dev/null
+++ b/drzewo_decyzyjne.py
@@ -0,0 +1,58 @@
+import graphviz
+import pandas as pd
+from sklearn.tree import DecisionTreeClassifier
+from sklearn.tree import export_graphviz
+
+def make_tree():
+    plikZPrzecinkami = open("training_data.txt", 'w')
+
+    with open('DecisionTree/200permutations_table.txt', 'r') as plik:
+        for linia in plik:
+            liczby = linia.strip()
+            wiersz = ""
+            licznik = 0
+            for liczba in liczby:
+                wiersz += liczba
+                wiersz += ";"
+            wiersz = wiersz[:-1]
+            wiersz += '\n'
+            plikZPrzecinkami.write(wiersz)
+
+    plikZPrzecinkami.close()
+
+    x = pd.read_csv('DecisionTree/training_data.txt', delimiter=';',
+                    names=['wielkosc', 'waga,', 'priorytet', 'ksztalt', 'kruchosc', 'dolna', 'gorna', 'g > d'])
+    y = pd.read_csv('DecisionTree/decisions.txt', names=['polka'])
+    # X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1)  # 70% treningowe and 30% testowe
+
+    # Tworzenie instancji klasyfikatora ID3
+    clf = DecisionTreeClassifier(criterion='entropy')
+
+    # Trenowanie klasyfikatora
+    clf.fit(x.values, y.values)
+    # clf.fit(X_train, y_train)
+    return clf
+
+# # Predykcja na nowych danych
+# new_data = [[2, 2, 1, 0, 1, 1, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0]]
+# predictions = clf.predict(new_data)
+# # y_pred = clf.predict(X_test)
+
+
+# print(predictions)
+# # print("Accuracy:", clf.score(new_data, predictions))
+# # print("Accuracy:", metrics.accuracy_score(y_test, y_pred))
+
+
+# Wygenerowanie pliku .dot reprezentującego drzewo
+# dot_data = export_graphviz(clf, out_file=None, feature_names=list(x.columns), class_names=['0', '1'], filled=True,
+#                            rounded=True)
+
+# # Tworzenie obiektu graphviz z pliku .dot
+# graph = graphviz.Source(dot_data)
+
+# # Wyświetlanie drzewa
+# graph.view()
+
+# z = pd.concat([x, y], axis=1)
+# z.to_csv('dane.csv', index=False)
diff --git a/ekran.py b/ekran.py
index a75ffa4..c80a948 100644
--- a/ekran.py
+++ b/ekran.py
@@ -1,10 +1,7 @@
 import pygame
-
 from plansza import x1, y1, x2, y2, x3, y3, x4, y4, a_pix, b_pix
 from regal import Regal, obliczPixeleNaPodstawieKratek
-# import wozek
 from packageList import *
-# from paczka import Paczka
 
 EKRAN_SZEROKOSC = 770
 EKRAN_WYSOKOSC = 770
@@ -15,9 +12,6 @@ pygame.display.set_caption("Inteligentny wozek")
 icon = pygame.image.load('images/icon.png')
 pygame.display.set_icon(icon)
 
-# lista_paczek = packageList.zainicjuj_liste_paczek(a_pix, b_pix)
-
-#lista_paczek = listOfPackages()
 lista_paczek = []
 lista_paczek_na_regalach = []
         
@@ -52,11 +46,6 @@ def zwroc_regaly_kategoria(kategoria):
             lista_reg.append(reg)
     return lista_reg
 
-# def zwroc_regaly_wspolrzedne(x_reg, y_reg):
-#     for regal in lista_regalow:
-#         if regal.wiersz == obliczPixeleNaPodstawieKratek(x_reg) and regal.kolumna == obliczPixeleNaPodstawieKratek(y_reg):
-#             return regal 
-
 def narysuj_siatke():
     blockSize = 70  # Set the size of the grid block
     WHITE = (200, 200, 200)
@@ -94,13 +83,16 @@ def sprawdz_ktora_kolumna(y):
 
 
 def narysuj_paczki(wozek):
-    #if wozek.ln == 0:
-        #for paczka in lista_paczek.list:
-    #if len(lista_paczek_na_regalach) == 0:
     for paczka in lista_paczek:
         paczka.narysuj(paczka.x, paczka.y, screen)
 
 def narysuj_paczke_na_regale():
     for paczka in lista_paczek_na_regalach:
         if paczka.is_in_move is False:
-            paczka.narysuj(paczka.x, paczka.y, screen)
\ No newline at end of file
+            paczka.narysuj(paczka.x, paczka.y, screen)
+
+def dodaj_paczki_na_rampe(p1, p2):
+    lista_paczek.append(p1)
+    lista_paczek.append(p2)
+    p1.update_position(a_pix, b_pix)
+    p2.update_position(a_pix, b_pix)
diff --git a/main.py b/main.py
index 7c4ee17..868f509 100644
--- a/main.py
+++ b/main.py
@@ -7,6 +7,7 @@ import ekran
 from grid import GridCellType, SearchGrid
 from sklearn.tree import DecisionTreeClassifier
 import pandas as pd
+import drzewo_decyzyjne
 
 from plansza import a_pix, b_pix
 pygame.init()
@@ -14,15 +15,11 @@ pygame.init()
 
 def main():
     wozek = Wozek()
-
     p1 = Paczka('duzy', 12, 'narzedzia', False, True, False, any, any, any, any, any)
     p2 = Paczka('maly', 1, 'ogród', False, True, False, any, any, any, any, any)
-    ekran.lista_paczek.append(p1)
-    ekran.lista_paczek.append(p2)
-    p1.update_position(a_pix, b_pix)
-    p2.update_position(a_pix, b_pix)
-
+    ekran.dodaj_paczki_na_rampe(p1, p2)
     grid_points = SearchGrid()
+    drzewo = drzewo_decyzyjne.make_tree()
 
     while True:
         for event in pygame.event.get():
@@ -52,34 +49,14 @@ def main():
 
                             array, reg = przenoszona_paczka.tablica_do_drzewa(przenoszona_paczka.kategoria)
 
-                            plikZPrzecinkami = open("DecisionTree/training_data.txt", 'w')
+                            predictions = drzewo.predict([array])
 
-                            with open('DecisionTree/200permutations_table.txt', 'r') as plik:
-                                for linia in plik:
-                                    liczby = linia.strip()
-                                    wiersz = ""
-                                    licznik = 0
-                                    for liczba in liczby:
-                                        wiersz += liczba
-                                        wiersz += ";"
-                                    wiersz = wiersz[:-1]
-                                    wiersz += '\n'
-                                    plikZPrzecinkami.write(wiersz)
-
-                            plikZPrzecinkami.close()
-                            x = pd.read_csv('DecisionTree/training_data.txt', delimiter=';',
-                            names=['wielkosc', 'waga,', 'priorytet', 'ksztalt', 'kruchosc', 'dolna', 'gorna', 'g > d'])
-                            y = pd.read_csv('DecisionTree/decisions.txt', names=['polka'])
-                            clf = DecisionTreeClassifier(criterion='entropy')
-                            clf.fit(x.values, y.values)
-
-                            predictions = clf.predict([array])
                             if predictions == 0:
                                 print('odklada na dolna polke!')
                             else:
                                 print('odklada na gorna polke!')
 
-                            docelowy_stan = wyszukiwanie.Stan(reg.numerWiersza * 70, reg.numerKolumny * 70, 1)  # x1 i y1 bo to są regału kategorii ogród
+                            docelowy_stan = wyszukiwanie.Stan(reg.numerWiersza * 70, reg.numerKolumny * 70, 1)
                             wezel = wyszukiwanie.wyszukiwanie_a_star(wozek.obecnyStan, docelowy_stan, grid_points)
                             sciezka = wyszukiwanie.znajdz_sciezke(wezel)
                             wozek.przemiesc_wozek_po_sciezce(sciezka)
diff --git a/paczka.py b/paczka.py
index 71ea4a6..aea865f 100644
--- a/paczka.py
+++ b/paczka.py
@@ -89,36 +89,36 @@ class Paczka(pygame.sprite.Sprite):
 
         # piorytet
         if self.priorytet is True:
-            tablica.append(0)
-        else: tablica.append(1)
+            tablica.append(1)
+        else: tablica.append(0)
 
         # kształt
         if self.ksztalt is True:
-            tablica.append(0)
-        else: tablica.append(1)           
+            tablica.append(1)
+        else: tablica.append(0)           
 
         # kruchość
         if self.kruchosc is True:
-            tablica.append(0)
-        else: tablica.append(1)
+            tablica.append(1)
+        else: tablica.append(0)
 
         reg = ekran.zwroc_regaly_kategoria(kategoria)
         # czy dolna wolna
         if reg[0].is_dolna_free() is True:
-            tablica.append(0)
-        else: 
             tablica.append(1)
+        else: 
+            tablica.append(0)
 
         #czy górna wolna
         if reg[0].is_dolna_free() is True:
-            tablica.append(0)
-        else: 
             tablica.append(1)
+        else: 
+            tablica.append(0)
         
         # czy na górnej więcej miejsca
-        if reg[0].is_dolna_free() is True:
-            tablica.append(0)
-        else: 
+        if reg[0].czy_na_gornej_wiecej_miejsca() is True:
             tablica.append(1)
+        else: 
+            tablica.append(0)
 
         return tablica, reg[0]
\ No newline at end of file
diff --git a/training_data.txt b/training_data.txt
index e69de29..06a4ff8 100644
--- a/training_data.txt
+++ b/training_data.txt
@@ -0,0 +1,200 @@
+1;0;0;1;0;0;1;0
+0;0;1;0;1;1;0;1
+2;0;1;1;0;0;0;1
+2;2;1;0;1;1;1;0
+1;0;0;1;0;0;0;1
+2;1;0;0;1;1;0;0
+1;0;0;0;1;0;0;1
+1;1;0;1;0;0;0;1
+0;0;1;0;1;1;1;0
+0;2;0;0;0;1;1;0
+0;0;1;0;0;1;0;1
+0;0;0;0;0;1;1;0
+0;2;1;0;1;1;0;0
+2;0;0;0;1;0;0;0
+2;1;0;1;0;1;1;1
+0;1;1;0;1;1;1;0
+0;2;0;1;1;1;0;1
+1;2;1;0;1;1;0;0
+0;0;1;1;1;1;0;1
+0;0;0;1;1;0;0;1
+1;1;1;1;1;0;1;0
+1;2;1;0;0;1;1;1
+2;2;1;1;0;1;1;1
+1;2;1;0;1;1;0;1
+0;1;0;0;0;1;0;1
+1;1;0;0;0;1;0;1
+0;1;0;0;0;1;1;1
+2;1;0;1;0;1;0;1
+0;1;1;0;1;1;0;0
+2;1;0;1;0;1;1;0
+1;2;1;0;0;0;1;1
+1;2;0;1;0;1;1;1
+0;2;0;1;0;1;0;1
+2;1;1;0;1;1;1;1
+0;2;0;1;0;0;0;1
+0;1;1;0;0;1;1;0
+2;2;1;0;0;0;1;1
+1;0;0;0;0;0;1;0
+0;0;1;1;0;1;0;0
+2;2;0;1;1;1;0;0
+1;2;1;1;0;0;0;1
+1;2;0;1;0;0;1;1
+0;1;0;1;1;1;1;0
+0;1;0;0;1;1;0;0
+0;1;0;1;1;0;0;0
+1;1;1;0;1;1;0;1
+1;1;1;1;0;1;1;0
+2;1;1;1;0;1;1;0
+2;2;0;0;1;1;0;0
+1;0;0;1;0;1;0;1
+2;1;1;1;1;0;1;0
+0;0;0;0;1;1;0;0
+2;1;1;1;0;1;0;1
+1;2;1;1;1;0;1;1
+0;2;0;0;1;1;1;1
+2;1;0;1;1;0;0;0
+0;2;1;1;1;0;1;1
+1;2;0;1;1;1;1;0
+0;2;0;0;0;1;0;1
+1;2;0;0;0;1;0;0
+2;0;0;1;0;1;1;1
+2;1;1;0;0;0;1;1
+0;1;1;1;0;1;0;0
+2;1;0;1;1;1;0;0
+0;2;0;1;0;0;0;0
+2;1;0;0;1;0;0;1
+1;1;0;0;1;1;0;0
+2;0;0;1;0;0;1;1
+2;0;1;1;1;0;1;1
+2;2;0;1;1;0;0;0
+0;1;0;1;1;1;0;1
+1;0;1;1;1;0;0;0
+2;0;0;1;1;1;1;1
+1;0;0;0;0;0;0;1
+2;1;1;0;0;0;0;1
+0;0;0;0;1;1;0;1
+0;1;0;1;0;0;0;1
+2;2;0;1;0;0;0;0
+0;2;1;1;1;1;0;1
+2;2;1;0;0;1;1;0
+1;2;0;0;1;1;1;0
+0;1;1;1;0;0;0;1
+1;1;1;0;1;0;0;0
+2;0;1;1;0;0;1;1
+2;0;1;0;1;0;1;0
+2;2;0;0;0;1;1;0
+1;1;0;1;1;0;1;1
+2;0;0;0;0;0;1;1
+1;2;0;0;1;1;0;1
+1;2;1;1;0;0;0;0
+0;0;1;1;1;1;1;0
+0;2;1;1;0;1;0;0
+2;1;1;0;0;0;1;0
+1;0;0;1;1;0;0;0
+2;2;0;1;1;1;0;1
+2;0;0;1;1;1;0;0
+0;2;1;0;0;0;0;0
+1;2;1;1;1;0;0;1
+0;0;0;0;0;1;1;1
+2;2;1;1;1;0;1;1
+0;1;0;0;1;0;1;0
+2;1;1;0;1;1;0;0
+0;1;1;1;1;1;1;1
+1;2;1;1;1;0;1;0
+2;0;1;1;1;1;1;0
+1;0;1;1;0;0;1;0
+0;2;0;0;1;0;0;1
+2;2;0;0;0;1;0;0
+0;2;0;0;1;1;0;0
+0;1;0;0;0;0;1;1
+1;0;0;0;0;1;0;1
+2;1;0;0;0;0;1;0
+0;1;1;0;0;1;0;0
+1;0;1;0;1;0;1;0
+2;0;0;0;1;1;0;0
+0;0;0;0;0;0;0;0
+0;0;1;0;1;0;0;0
+1;0;1;0;0;0;0;0
+0;2;1;0;0;0;0;1
+2;0;0;1;1;1;0;1
+0;2;0;1;1;1;1;0
+0;2;1;1;1;1;1;1
+1;2;0;1;0;1;1;0
+0;2;1;0;0;1;0;0
+2;0;1;1;1;1;1;1
+0;0;0;1;1;1;1;1
+1;2;0;1;1;0;0;0
+1;2;0;1;1;0;0;1
+2;2;0;1;0;0;1;0
+2;2;0;0;0;0;1;0
+0;0;0;1;0;0;1;0
+1;0;1;0;1;0;0;0
+0;2;0;0;0;0;0;0
+2;0;1;0;1;1;1;1
+0;2;1;0;0;0;1;1
+0;2;1;0;1;1;1;1
+2;2;1;0;1;0;1;0
+1;1;1;1;1;1;1;1
+0;1;1;0;1;0;0;0
+2;1;1;0;0;1;1;1
+0;0;1;0;1;1;1;1
+0;1;1;0;1;0;1;0
+2;0;0;1;0;0;1;0
+1;1;0;1;1;1;1;0
+2;0;0;1;1;1;1;0
+0;0;1;0;0;1;1;0
+1;0;1;0;1;1;1;1
+0;1;0;0;0;0;0;1
+0;2;0;1;1;0;0;1
+2;1;1;0;1;0;1;1
+1;1;1;1;1;0;1;1
+1;0;1;1;0;0;1;1
+1;0;0;1;1;0;0;1
+2;1;1;1;0;0;1;0
+1;0;0;0;0;0;0;0
+0;0;0;1;1;1;1;0
+1;0;1;1;0;0;0;1
+2;1;1;1;1;0;1;1
+1;2;0;1;0;1;0;1
+1;1;0;0;0;1;1;0
+2;2;1;0;1;1;0;1
+0;0;0;0;0;0;1;0
+0;2;0;0;0;1;1;1
+2;1;0;0;0;0;1;1
+0;0;0;1;1;1;0;0
+1;0;1;0;0;1;1;0
+2;0;0;0;1;1;1;1
+1;2;1;0;0;0;0;1
+2;2;0;0;0;1;0;1
+0;1;1;0;0;0;1;0
+0;2;0;0;1;0;1;0
+1;1;0;0;1;1;1;1
+0;0;0;1;0;0;1;1
+0;1;1;0;0;1;1;1
+2;2;0;1;1;0;1;0
+1;0;1;0;1;0;1;1
+1;1;0;1;0;0;1;1
+2;0;1;1;0;0;1;0
+2;0;1;0;0;0;1;0
+1;1;1;1;0;1;1;1
+2;1;1;0;1;0;0;0
+0;2;0;1;1;0;0;0
+1;2;1;1;0;1;0;0
+2;1;1;1;1;1;0;1
+0;2;0;1;0;1;1;1
+0;2;1;0;1;0;0;1
+0;1;1;0;0;0;1;1
+1;0;0;1;1;0;1;1
+2;2;1;1;0;0;0;0
+0;1;1;0;0;0;0;0
+2;0;1;1;0;1;0;0
+0;1;1;0;0;0;0;1
+0;0;1;1;1;0;1;0
+0;2;0;0;0;0;1;0
+2;0;0;1;0;1;1;0
+0;0;1;0;1;0;1;1
+2;2;0;0;1;0;1;1
+2;2;0;1;0;0;0;1
+2;2;0;1;0;1;0;1
+1;2;1;0;0;1;0;1