library(tidyverse)
library(rpart)

if(!require(rpart.plot)){
  install.packages("rpart.plot")
  library(rpart.plot)
}

# Aufgabe 1
df_cars = read_csv('https://github.com/NikoStein/dma_data/raw/main/cars.csv')

# a) Sie vermuten einen Zusammenhang zwischen dem Alter und dem Wert eines Fahrzeuges. Stellen Sie den 
# Zusammenhang grafisch dar und quantifizieren Sie ihn. 
df_cars %>%
  mutate(age = 2021 - year) %>%
  filter(age < 50) -> df_cars

df_cars %>%
  ggplot(aes(x=age, y=price)) + geom_point() + theme_bw()

reg = lm(price ~ age, data=df_cars)
summary(reg)

df_cars %>%
  ggplot(aes(x=age, y=price)) + geom_point() + theme_bw() +
  geom_abline(intercept = reg$coefficients[1], slope = reg$coefficients[2])


# b) Der Datensatz enthält weitere interessante Informationen. Probieren Sie den Erklärungsgehalt Ihres 
# Modells zu vebessern und interpretieren Sie die jeweiligen Ergebnisse.
reg = lm(price ~ age + brand, data=df_cars)
summary(reg)


reg = lm(price ~ ., data=df_cars)
summary(reg)


reg = lm(price ~ age + brand + mileage + engineSize, data=df_cars)
summary(reg)


# Aufgabe 2
df_basketball = read_csv2('https://github.com/NikoStein/dma_data/raw/main/basketball_complete.csv')

# a)	Um welche Art von Lernproblem handelt es sich?
# Klassifikation


# b) Analysieren Sie die Daten und versuchen Sie händisch ein geeignetes Modell für die Vorhersage zu entwickeln. 
df_basketball %>%
  ggplot(aes(x=loc_x, y=loc_y, color=as.factor(shot_made_flag))) + 
  geom_point(alpha = 0.3) + theme_bw() + coord_fixed() + facet_wrap(~combined_shot_type)

df_basketball %>%
  group_by(combined_shot_type) %>%
  summarise(tq = mean(shot_made_flag),
            count = n())



trainIDX = sample(seq(nrow(df_basketball)), 0.75*nrow(df_basketball))
df_train = df_basketball[trainIDX, ]
df_test = df_basketball[-trainIDX, ]


fit = rpart(shot_made_flag ~ ., data = df_train, method='class', control = rpart.control(cp = 0.0001))
rpart.plot(fit)


df_train$prediction = predict(fit, df_train, type='class')
df_test$prediction = predict(fit, df_test, type='class')

df_train %>%
  mutate(prediction_correct = prediction == shot_made_flag) -> df_train
df_test %>%
  mutate(prediction_correct = prediction == shot_made_flag) -> df_test

df_train %>%
  summarise(score = mean(prediction_correct))
df_test %>%
  summarise(score = mean(prediction_correct))


# c) Trainieren und evaluieren Sie einen Entscheidungsbaum zur Vorhersage der einzelnen Würfe. Achten Sie darauf einen 
# Train-Test Split zu verwenden.
for (i in c(0.01, 0.001, 0.0001, 0.00001)){
  df_train = df_basketball[trainIDX, ]
  df_test = df_basketball[-trainIDX, ]
  
  
  fit = rpart(shot_made_flag ~ ., data = df_train, method='class', control = rpart.control(cp = i))

  df_train$prediction = predict(fit, df_train, type='class')
  df_test$prediction = predict(fit, df_test, type='class')
  
  df_train %>%
    mutate(prediction_correct = prediction == shot_made_flag) -> df_train
  df_test %>%
    mutate(prediction_correct = prediction == shot_made_flag) -> df_test
  
  print(i)
  df_train %>%
    summarise(score = mean(prediction_correct)) %>%
    print(.)
  df_test %>%
    summarise(score = mean(prediction_correct)) %>%
    print(.)
}




# Aufgabe 3
df_cs = read_csv('https://github.com/NikoStein/dma_data/raw/main/csgo.csv')

# a) Wie oft gewinnt das Team mit dem meisten Geld?

# b) Welche Variablen sind besonders geeignet den Sieger vorherzusagen? 

# c) Wie gut kann ein Entscheidungsbaum den Ausgang einer unbekannten Runde vorhersagen?