from nnnar import *
from knn import *
import numpy as np
import pandas as pd
from time import time

def runOneTest(trainTestRatio):
    nnnar = Nnnar(4, 0, 100.001, 10)# le 100.001 est pour être sûr d'être au dessus de la valeur max (100.0)
    knn = Knn()
    df = pd.read_csv('./data/Iris.csv')
    df = df.iloc[:, 1:]
    # Normalisation des données

    df.iloc[:, 0] = df.iloc[:, 0] - df.iloc[:, 0].min()
    df.iloc[:, 1] = df.iloc[:, 1] - df.iloc[:, 1].min()
    df.iloc[:, 2] = df.iloc[:, 2] - df.iloc[:, 2].min()
    df.iloc[:, 3] = df.iloc[:, 3] - df.iloc[:, 3].min()

    df.iloc[:, 0] = df.iloc[:, 0] / df.iloc[:, 0].max()
    df.iloc[:, 1] = df.iloc[:, 1] / df.iloc[:, 1].max()
    df.iloc[:, 2] = df.iloc[:, 2] / df.iloc[:, 2].max()
    df.iloc[:, 3] = df.iloc[:, 3] / df.iloc[:, 3].max()

    df.iloc[:, 0:4] = df.iloc[:, 0:4] * 100

    # Création des données d'entrainement et de test
    train = df.sample(frac=trainTestRatio)
    test = df.drop(train.index)

    # Entrainement du modèle
    coord = train.iloc[:, :-1].values
    value = train.iloc[:, -1].values

    for i in range(len(coord)):
        nnnar.addPoint(np.array(coord[i]), np.array([value[i]]))

    # Test du modèle
    coord = test.iloc[:, :-1].values
    value = test.iloc[:, -1].values

    nbError = 0
    for i in range(len(coord)):
        if nnnar.getLabelOfPoint(np.array(coord[i]), 5) != value[i]:
            nbError += 1

    return 100 - nbError / len(coord) * 100


t1 = time()

nbRepetition = 100
accuracy = 0
for i in range(nbRepetition):
    accuracy += runOneTest(0.8)

t2 = time()
print("accuracy moyenne: ",str(accuracy/nbRepetition))
print("delta temps: ",str(t2-t1))