# Predmet: "Analyza zhlukov a klasifikacia dat"
# Studijny program: "Pravdepodobnost a matematicka statistika"
# Vyucujuci: Radoslav Harman, KAMS FMFI UK Bratislava
#
# Demonstracia klasifikacie pomocou neuronovych sieti (single hidden layer feedforward neural network)
# Data su merania p=30 charakteristik n=569 vzoriek rakovinovych buniek (breast cancer Wisconsin data set)
# Zdroj dat: http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+(Diagnostic)

can<-read.table("http://www.iam.fmph.uniba.sk/ospm/Harman/data/wdbc.txt",header=FALSE,sep=","); can[,3:32]<-log(can[,3:32]+0.0001)
library(nnet); help(nnet)

res<-nnet(V2~V3+V4+V5+V6+V7,data=can,size=3,maxit=1000)
res; summary(res)
res$wts; res$value; res$fitted.values

# Zobrazenie vysledkov
col<-3-as.numeric(can$V2)
plot(res$fitted.values,col=col,pch=19)
lines(c(0,569),c(0.5,0.5),lty="dotted")

# Vypocitajme este aspon najjednoduchsi (urcite prilis optimisticky) odhad chyb klasifikatora
real.class<-as.numeric(can$V2)
nn.class<-round(res$fitted.values)+1
P12<-length(nn.class[(nn.class==1)&(real.class==2)])/length(nn.class[real.class==2])
P21<-length(nn.class[(nn.class==2)&(real.class==1)])/length(nn.class[real.class==1])
print(c(P12,P21))