// Первый пример классификации.
//
// В этом примере:
// 1) загружаем готовый датасет Iris;
// 2) выделяем признаки и целевую переменную;
// 3) делим данные на обучающую и тестовую выборки;
// 4) обучаем логистическую регрессию;
// 5) оцениваем точность модели.
uses MLABC;

begin
  // Загружаем учебный датасет Iris
  var ds := Datasets.Iris;

  // Берём таблицу данных из датасета
  var df := ds.Data;

  // Преобразуем выбранные признаки в числовую матрицу
  var X := df.ToMatrix(ds.Features);

  // Кодируем названия классов в числа 0, 1, 2
  var y := df.EncodeLabels(ds.Target);

  // Делим данные на обучающую и тестовую выборки
  var (Xtrain, Xtest, ytrain, ytest) := Validation.TrainTestSplit(X, y, 0.2, 1);

  // Создаём модель логистической регрессии
  var model := new LogisticRegression;

  // Обучаем модель на обучающей выборке
  model.Fit(Xtrain, ytrain);

  // Получаем предсказания для тестовой выборки
  var pred := model.Predict(Xtest);

  // Считаем долю правильных ответов
  Println('Точность:', Metrics.Accuracy(ytest, pred):0:3);
end.