import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
import matplotlib.pyplot as plt
import joblib
import numpy as np

# Шаг 1: Загрузка данных
df = pd.read_csv('../../datasets/synthetic_laptops.csv')  # Убедитесь, что путь к файлу правильный

# Шаг 2: Проверка и очистка имен столбцов
print("Имена столбцов до очистки:")
print(df.columns.tolist())

# Приведение имен столбцов к нижнему регистру и удаление пробелов
df.columns = df.columns.str.strip().str.lower()
print("\nИмена столбцов после очистки:")
print(df.columns.tolist())

# Шаг 3: Проверка наличия необходимых столбцов
required_columns = [
    'brand', 'processor', 'ram', 'os', 'ssd', 'display',
    'gpu', 'weight', 'battery_size', 'release_year', 'display_type', 'price'
]
missing_columns = [col for col in required_columns if col not in df.columns]

if missing_columns:
    print(f"\nОтсутствуют следующие столбцы: {missing_columns}")
    raise Exception(f"Отсутствуют столбцы: {missing_columns}")
else:
    print("\nВсе необходимые столбцы присутствуют.")

# Шаг 4: Удаление строк с пропущенными значениями
df = df.dropna(subset=required_columns)
print(f"\nКоличество строк после удаления пропусков: {df.shape[0]}")

# Шаг 5: Очистка и преобразование колонок

# Функция для очистки числовых колонок, если они строковые
def clean_numeric_column(column, remove_chars=['₹', ',', ' ']):
    if column.dtype == object:
        for char in remove_chars:
            column = column.str.replace(char, '', regex=False)
        return pd.to_numeric(column, errors='coerce')
    else:
        return column

# Очистка числовых колонок (исключая 'price', если уже числовая)
numerical_columns = ['ram', 'ssd', 'display', 'weight', 'battery_size', 'release_year']
for col in numerical_columns:
    df[col] = clean_numeric_column(df[col])

# Проверка на пропущенные значения после очистки
df = df.dropna(subset=['price'] + numerical_columns)
print(f"\nКоличество строк после очистки числовых колонок: {df.shape[0]}")

# Шаг 6: Выбор необходимых столбцов (все уже включены)
# df уже содержит все необходимые столбцы

print("\nПример данных после предобработки:")
print(df.head())

# Шаг 7: Преобразование категориальных переменных с помощью One-Hot Encoding
categorical_features = ['brand', 'processor', 'os', 'gpu', 'display_type']
df = pd.get_dummies(df, columns=categorical_features, drop_first=True)
print("\nИмена колонок после One-Hot Encoding:")
print(df.columns.tolist())

# Шаг 8: Разделение данных на обучающую и тестовую выборки
X = df.drop('price', axis=1)
y = df['price']

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

print(f"\nРазмер обучающей выборки: {X_train.shape}")
print(f"Размер тестовой выборки: {X_test.shape}")

# Шаг 9: Обучение моделей
model_rf = RandomForestRegressor(n_estimators=100, random_state=42)
model_rf.fit(X_train, y_train)

print("\nМодели успешно обучены.")

# Шаг 10: Оценка моделей
models = {
    'Random Forest': model_rf,
}

for name, mdl in models.items():
    y_pred = mdl.predict(X_test)
    mae = mean_absolute_error(y_test, y_pred)
    rmse = mean_squared_error(y_test, y_pred, squared=False)
    r2 = r2_score(y_test, y_pred)
    print(f"{name} - MAE: {mae}, RMSE: {rmse}, R²: {r2}")

# Шаг 11: Сохранение модели и списка признаков
joblib.dump(model_rf, 'laptop_price_model.pkl')
print("\nМодель Random Forest сохранена как 'laptop_price_model.pkl'.")

feature_columns = X.columns.tolist()
joblib.dump(feature_columns, 'feature_columns.pkl')
print("Сохранены названия признаков в 'feature_columns.pkl'.")

# Получение важности признаков
importances = model_rf.feature_importances_
indices = np.argsort(importances)[::-1]

# Вывод наиболее важных признаков
print("Важность признаков:")
for f in range(X_train.shape[1]):
    print(f"{f + 1}. {feature_columns[indices[f]]} ({importances[indices[f]]})")

# Визуализация важности признаков
plt.figure(figsize=(12, 8))
plt.title("Важность признаков (Random Forest)")
plt.bar(range(X_train.shape[1]), importances[indices], align='center')
plt.xticks(range(X_train.shape[1]), [feature_columns[i] for i in indices], rotation=90)
plt.tight_layout()
plt.show()