import pandas as pd
from sklearn.metrics import accuracy_score, classification_report
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.preprocessing import MinMaxScaler

# Загрузка данных, выделение признаков и целевой переменной
data = pd.read_csv('stroke_prediction_ds.csv')
X = data[['hypertension', 'heart_disease', 'avg_glucose_level']]
y = pd.qcut(data['age'], q=3, labels=['18 лет', '18-55 лет', '55+ лет'])

# Разделение данных на обучающий и тестовый наборы
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Нормализация данных
scaler = MinMaxScaler()
X_train, X_test = scaler.fit_transform(X_train), scaler.transform(X_test)

# Создание и обучение MLPClassifier
mlp_classifier = MLPClassifier(hidden_layer_sizes=(100, 50), max_iter=1000, random_state=42)
mlp_classifier.fit(X_train, y_train)

# Предсказание на тестовых данных, оценка производительности модели и вывод результатов
y_pred = mlp_classifier.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
class_report = classification_report(y_test, y_pred)

print(f'Accuracy: {accuracy}')
print('Classification Report:')
print(class_report)