#!/usr/bin/python3
# -*- coding: utf-8 -*-
"""
Perceptrón para estimar precio de viviendas. 
"""

import torch.nn as nn
import lectura
import preproceso
import particion
import tipored
import ajuste
import registro
import random
import analizar
from matplotlib import pyplot
import torch
import math
from copy import deepcopy
import numpy

#Cargamos los datos, todos
datos=lectura.leelistas('casas.trn')
numentradas=len(datos[0])-1
varnoms=['criminalidad','residencial','industrial','rio','polucion','habitaciones','casas-viejas','distancia-trabajo',
         'autovias','impuestos','ratio-aula','negr@s','pobreza','precio']

#Descripción numérica
#lectura.estadistica(varnoms,datos)

#Descripción gráfica
frel,vals=lectura.grafica(varnoms,datos,False)

#Preproceso a distribución normal media 0 varianza 1
datot=preproceso.mediavar(datos)

limaj=[]
difer=[]
for remuest in range(...):
    tea,tsa,tev,tsv,tep,tsp=particion.azaryestrat(datot,...,...,...)

    #definir red
    red=tipored.perceptron(numentradas,[bastante],1)
    #).cuda(device)

    ep,_,ea=ajuste.ajustar(red,tea,tsa,tev,tsv,tep,tsp,algo=...) 
    limaj.append(ea)
    difer.append(ep.item()-ea)

tea,tsa=lectura.septorch(datot)

#definir red
red=tipored.perceptron(numentradas,[normal],1)
#).cuda(device)

red,ea=ajuste.ajustar(red,tea,tsa,None,None,None,None,algo=...,limerr=numpy.median(limaj))
print("Estimacion de error en generalizacion",math.sqrt(ea+numpy.median(difer))) #o mean, centro(max+min/2), scipy.stats.trim_mean, scipy.stats.pmean

input('Análisis de residuos')
tepor=registro.grafresid(tep,tsp,red)

#Analizar la red
input('análisis de la red')
analizar.analisis(red,tea,tsa,False)


#Vemos un caso concreto
registro.sacarejemplos(tep,tsp,tepor,varnoms,frel,vals,red)