#Klasyfikacja na podstawie długości i szerokości płatka.

# Import bibliotek
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
import numpy as np
import skfuzzy as fuzz
from skfuzzy import control as ctrl
from sklearn.datasets import load_iris

# Załaduj dane Iris (wszystkie 4 cechy)
iris = load_iris()
X = iris.data[:, :]
y = iris.target

# Użycie całych danych do testowania
X_test = X
y_test = y

# Definicja zmiennych wejściowych
sepal_length = ctrl.Antecedent(np.linspace(4, 8, 1000), 'sepal_length')
sepal_width = ctrl.Antecedent(np.linspace(2, 5, 1000), 'sepal_width')
petal_length = ctrl.Antecedent(np.linspace(1, 7, 1000), 'petal_length')
petal_width = ctrl.Antecedent(np.linspace(0, 2.5, 1000), 'petal_width')

# Definicja zmiennej wyjściowej
species = ctrl.Consequent(np.linspace(0, 2, 1000), 'species')

# Funkcje przynależności
petal_length['setosa'] = fuzz.trimf(petal_length.universe, [0.8, 1.45,  2.44])
petal_length['versicolor'] = fuzz.trimf(petal_length.universe, [2.44 , 4.40, 5.76])
petal_length['virginica'] = fuzz.trimf(petal_length.universe, [ 3.92, 5.57, 8.28])

petal_width['setosa'] = fuzz.trimf(petal_width.universe, [0.08, 0.24, 0.66])
petal_width['versicolor'] = fuzz.trimf(petal_width.universe, [0.66, 1.39, 1.92])
petal_width['virginica'] = fuzz.trimf(petal_width.universe, [1.44, 2.08, 2.76])

# Funkcje przynależności dla wyjścia
species['setosa'] = fuzz.trimf(species.universe, [0, 0, 0.5])
species['versicolor'] = fuzz.trimf(species.universe, [0.5, 1, 1.5])
species['virginica'] = fuzz.trimf(species.universe, [1.5, 2, 2])


# Definicja reguł
rule1 = ctrl.Rule(petal_length['setosa'] & petal_width['setosa'], species['setosa'])
rule2 = ctrl.Rule(petal_length['versicolor'] & petal_width['versicolor'], species['versicolor'])
rule3 = ctrl.Rule(petal_length['virginica'] & petal_width['virginica'], species['virginica'])


# Tworzenie systemu sterowania
species_ctrl = ctrl.ControlSystem([rule1, rule2, rule3])

# Klasyfikacja testowa
y_pred = []
for sl, sw, pl, pw in X_test:
    species_sim = ctrl.ControlSystemSimulation(species_ctrl)
    species_sim.input['petal_length'] = pl
    species_sim.input['petal_width'] = pw

    species_sim.compute()
    fuzzy_result = species_sim.output['species']

    if fuzzy_result < 0.5:
        y_pred.append(0)
    elif fuzzy_result < 1.5:
        y_pred.append(1)
    else:
        y_pred.append(2)

# Ewaluacja modelu
print(classification_report(y_test, y_pred, target_names=iris.target_names))