import pandas
import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

#Данные
data = pandas.read_csv('clean_data.csv')

#Приведение строчных значений к числовым
#work
factorized_data_work, unique_values_work = pandas.factorize(data['work'])
data['work'] = factorized_data_work
#gymtime
factorized_data_gymtime, unique_values_gymtime = pandas.factorize(data['gymtime'])
data['gymtime'] = factorized_data_gymtime

#Создание столбца exercise_reg
data['exercise_reg'] = np.where(data['phy_ex'] >= 7, 1, 0)

#Отбор нужных столбцов
x = data[['age', 'weight', 'work', 'phy_health', 'gymtime']]

#Определение целевой переменной
y = data['exercise_reg']

#Получение обучающей и тестовой выборки
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

#Создание и обучение модели
model = DecisionTreeClassifier()
model.fit(x_train, y_train)

#Прогнозирование на тестовом наборе
y_pred = model.predict(x_test)

#Оценка производительности модели
accuracy = accuracy_score(y_test, y_pred)

#Важности признаков
importances_clf = model.feature_importances_

#Вывод результатов
print(x.head(15))
print(importances_clf)
print("Качество модели DecisionTreeClassifier: ", model.score(x_test, y_test))
print("Качество классификации accuracy:", accuracy)