"""
Использовать регрессию по варианту для своих данных по варианту, самостоятельно сформулировав задачу.
Оценить, насколько хорошо она подходит для решения сформулированной вами задачи.

"""

"""
Задача, решаемая регрессией:
Предсказание популярности нового музыкального трека на основе его определённых характеристик.
Регрессионная модель может предсказывать числовую оценку популярности трека,
что может быть полезно для музыкальных платформ по типу Spotify.
"""

# 12 вариант
# Набор данных по курсовой: "Prediction of music genre"
# Тип регрессии: Логистическая регрессия

import pandas as pd
import warnings
import sklearn.exceptions
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report, confusion_matrix, f1_score
from sklearn.feature_selection import RFE



DATASET_FILE = 'music_genre.csv'


def main():
    df = open_dataset(DATASET_FILE)
    df = df.sample(frac=.5)  # отбираем 50% рандомных строк с набора данных, т.к. он большой
    print("\033[92m[----------> Набор данных <----------]\033[00m")
    print(df)

    # Перевод ладов (минор/мажор) в числовые признаки
    df_music = df.copy()
    df_music['mode'] = df_music['mode'].apply(lambda x: 1 if x == 'Major' else 0)

    # разделим проценты популярности на 4 уровня (от 0 до 3)
    df_music['popularity'] = df_music['popularity'].apply(lambda x: int(x // 25))

    X = df_music.drop(columns=['popularity'])  # характеристики музыкального трека
    y = df_music['popularity']  # уровень популярности

    # Разделение датасета на тренировочные (95%) и тестовые данные (5%)
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.05)

    # Создание и обучение модели логистической регрессии
    model = LogisticRegression(solver='lbfgs', max_iter=2000)
    model.fit(X_train.values, y_train)

    # Поиск 5 важных признаков
    rfe = RFE(estimator=model, n_features_to_select=5)
    rfe = rfe.fit(X_train.values, y_train)
    features_ranks = pd.DataFrame({'Признак': X.columns.values, 'Выбор': rfe.support_, 'Ранг': rfe.ranking_})
    print("\033[92m\n[----------> Оценка признаков, влияющих на популярность трека <----------]\033[00m")
    print(features_ranks.sort_values(by=['Ранг']))

    # Убираем незначительные признаки из датасета
    del_features = features_ranks['Признак'][features_ranks['Ранг'] == True]
    X_train = X_train[del_features]
    X_test = X_test[del_features]

    # Переобучаем на них модель
    model.fit(X_train.values, y_train)

    # Предсказание на тестовых данных уровня популярности трека
    y_pred = model.predict(X_test.values)

    # Формирование матрицы путаницы
    cm = confusion_matrix(y_test, y_pred)
    print("\033[92m\n[----------> Матрица путаницы <----------]\033[00m")
    print(cm)
    pred_true = sum(cm[i][i] for i in range(len(cm))) # верные прогнозы
    pred_false = cm.sum() - pred_true # неверные прогнозы
    print("\033[94mКол-во правильных предсказаний (главная диагональ) = {}\033[00m" .format(pred_true))
    print("\033[91mКол-во неправильных предсказаний (остальное) = {}\033[00m".format(pred_false))

    print("\033[92m\n[----------> Оценка модели <----------]\033[00m")
    print('Точность модели на тестовых данных: {:.2f}'.format(model.score(X_test.values, y_test)))

    print("\033[92m\n[----------> Отчёт о классификации по уровням <----------]\033[00m")
    # игнор ошибки отсутствия некоторых классах при прогнозе (в данном случае 0 и 3)
    warnings.filterwarnings("ignore", category=sklearn.exceptions.UndefinedMetricWarning)
    print(classification_report(y_test, y_pred))
    print("\033[95mМаксимально предсказанный уровень: {}\033[00m".format(y_pred.max()))




# Функция считывания и очищения csv-файла
def open_dataset(csv_file):
    # открываем файл с указанием знака-отделителя
    df = pd.read_csv(csv_file, delimiter=',')
    # выбираем необходимые признаки
    df = df[['duration_ms', 'mode', 'tempo', 'instrumentalness', 'acousticness', 'speechiness',
             'danceability', 'energy', 'liveness', 'valence', 'loudness', 'popularity']]
    # очищаем набор данных от пустых и неподходящих значений
    df = df[df['tempo'] != '?']
    df = df.dropna()
    return df



if __name__ == "__main__":
    main()