# تثبيت Scikit-learn
pip install scikit-learn

# تثبيت المكتبات المساعدة
pip install numpy pandas matplotlib seaborn

# للتحقق من الإصدار
python -c "import sklearn; print(sklearn.__version__)"

# استيراد المكتبات الأساسية
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# استيراد Scikit-learn
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import accuracy_score, classification_report
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC

# إعداد التصور
plt.style.use('seaborn-v0_8')
sns.set_palette("husl")
plt.rcParams['figure.figsize'] = (10, 6)
plt.rcParams['font.size'] = 12

                

# إنشاء بيانات تجريبية لجودة النبيذ
import numpy as np
import pandas as pd
from sklearn.datasets import make_classification

# إنشاء بيانات تجريبية
np.random.seed(42)
n_samples = 1000

# إنشاء بيانات التصنيف
X, y = make_classification(
    n_samples=n_samples,
    n_features=11,
    n_informative=8,
    n_redundant=2,
    n_clusters_per_class=1,
    random_state=42
)

# أسماء المتغيرات (خصائص النبيذ)
feature_names = [
    'fixed_acidity',      # الحموضة الثابتة
    'volatile_acidity',   # الحموضة المتطايرة
    'citric_acid',        # حمض الستريك
    'residual_sugar',     # السكر المتبقي
    'chlorides',          # الكلوريدات
    'free_sulfur_dioxide', # ثاني أكسيد الكبريت الحر
    'total_sulfur_dioxide', # إجمالي ثاني أكسيد الكبريت
    'density',            # الكثافة
    'pH',                 # الرقم الهيدروجيني
    'sulphates',          # الكبريتات
    'alcohol'             # الكحول
]

# إنشاء DataFrame
wine_data = pd.DataFrame(X, columns=feature_names)

# تحويل التصنيف إلى جودة النبيذ (0: منخفض، 1: عالي)
wine_data['quality'] = y
wine_data['quality_label'] = wine_data['quality'].map({0: 'منخفض', 1: 'عالي'})

print(f"📊 تم إنشاء بيانات {len(wine_data)} عينة نبيذ")
print(f"📈 المتغيرات: {len(feature_names)} متغير")
print(f"🎯 التصنيفات: {wine_data['quality_label'].value_counts().to_dict()}")

# استكشاف البيانات الأساسي
print("📋 معلومات أساسية عن البيانات:")
print(wine_data.info())
print("
📊 الإحصائيات الوصفية:")
print(wine_data.describe())

# فحص التوزيع
print("
🎯 توزيع جودة النبيذ:")
quality_distribution = wine_data['quality_label'].value_counts()
print(quality_distribution)
print(f"
📈 نسبة الجودة العالية: {quality_distribution['عالي']/len(wine_data)*100:.1f}%")

# فحص القيم المفقودة
missing_values = wine_data.isnull().sum()
print(f"
❌ القيم المفقودة: {missing_values.sum()} قيمة")

# حساب الارتباط بين المتغيرات
correlation_matrix = wine_data[feature_names].corr()
print("
🔗 أقوى الارتباطات مع الجودة:")
target_correlation = wine_data[feature_names + ['quality']].corr()['quality'].abs().sort_values(ascending=False)
print(target_correlation.head(6))

# تحضير البيانات
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# فصل المتغيرات المستقلة والتابعة
X = wine_data[feature_names]
y = wine_data['quality']

# تقسيم البيانات (80% تدريب، 20% اختبار)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, 
    test_size=0.2, 
    random_state=42, 
    stratify=y  # للحفاظ على نسبة التصنيفات
)

# تطبيع البيانات (مهم جداً للتعلم الآلي)
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

print(f"📊 بيانات التدريب: {X_train.shape[0]} عينة")
print(f"📊 بيانات الاختبار: {X_test.shape[0]} عينة")
print(f"📈 عدد المتغيرات: {X_train.shape[1]} متغير")

# عرض إحصائيات التقسيم
train_distribution = pd.Series(y_train).value_counts()
test_distribution = pd.Series(y_test).value_counts()
print(f"
🎯 توزيع التدريب: {train_distribution.to_dict()}")
print(f"🎯 توزيع الاختبار: {test_distribution.to_dict()}")

# استيراد النماذج
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB

# إنشاء النماذج
models = {
    'Logistic Regression': LogisticRegression(random_state=42),
    'Random Forest': RandomForestClassifier(n_estimators=100, random_state=42),
    'SVM': SVC(random_state=42),
    'K-Nearest Neighbors': KNeighborsClassifier(n_neighbors=5),
    'Naive Bayes': GaussianNB()
}

# تدريب وتقييم كل نموذج
results = {}

for name, model in models.items():
    print(f"
🔄 تدريب نموذج {name}...")
    
    # تدريب النموذج
    model.fit(X_train_scaled, y_train)
    
    # التنبؤ
    y_pred_train = model.predict(X_train_scaled)
    y_pred_test = model.predict(X_test_scaled)
    
    # حساب الدقة
    train_accuracy = accuracy_score(y_train, y_pred_train)
    test_accuracy = accuracy_score(y_test, y_pred_test)
    
    results[name] = {
        'train_accuracy': train_accuracy,
        'test_accuracy': test_accuracy,
        'model': model
    }
    
    print(f"✅ دقة التدريب: {train_accuracy:.3f}")
    print(f"✅ دقة الاختبار: {test_accuracy:.3f}")

# عرض النتائج مرتبة
print("
🏆 ترتيب النماذج حسب دقة الاختبار:")
sorted_results = sorted(results.items(), key=lambda x: x[1]['test_accuracy'], reverse=True)
for i, (name, result) in enumerate(sorted_results, 1):
    print(f"{i}. {name}: {result['test_accuracy']:.3f}")

# اختيار أفضل نموذج
best_model_name = sorted_results[0][0]
best_model = results[best_model_name]['model']

print(f"🏆 أفضل نموذج: {best_model_name}")

# تقييم مفصل
from sklearn.metrics import classification_report, confusion_matrix
from sklearn.metrics import precision_score, recall_score, f1_score

# التنبؤ بالنموذج الأفضل
y_pred_best = best_model.predict(X_test_scaled)

# حساب المقاييس
accuracy = accuracy_score(y_test, y_pred_best)
precision = precision_score(y_test, y_pred_best)
recall = recall_score(y_test, y_pred_best)
f1 = f1_score(y_test, y_pred_best)

print(f"
📊 تقييم مفصل للنموذج الأفضل:")
print(f"🎯 الدقة (Accuracy): {accuracy:.3f}")
print(f"🎯 الدقة (Precision): {precision:.3f}")
print(f"🎯 الاستدعاء (Recall): {recall:.3f}")
print(f"🎯 F1-Score: {f1:.3f}")

# مصفوفة الخلط
print(f"
📋 مصفوفة الخلط:")
cm = confusion_matrix(y_test, y_pred_best)
print(cm)

# تقرير التصنيف
print(f"
📈 تقرير التصنيف المفصل:")
print(classification_report(y_test, y_pred_best, target_names=['جودة منخفضة', 'جودة عالية']))

# تحليل أهمية المتغيرات (للنماذج التي تدعم ذلك)
if hasattr(best_model, 'feature_importances_'):
    # للنماذج مثل Random Forest
    importances = best_model.feature_importances_
    feature_importance = pd.DataFrame({
        'feature': feature_names,
        'importance': importances
    }).sort_values('importance', ascending=False)
    
    print("🔍 أهمية المتغيرات:")
    for i, row in feature_importance.iterrows():
        print(f"{row['feature']}: {row['importance']:.3f}")
        
elif hasattr(best_model, 'coef_'):
    # للنماذج الخطية مثل Logistic Regression
    coefficients = abs(best_model.coef_[0])
    feature_importance = pd.DataFrame({
        'feature': feature_names,
        'importance': coefficients
    }).sort_values('importance', ascending=False)
    
    print("🔍 أهمية المتغيرات (القيم المطلقة للمعاملات):")
    for i, row in feature_importance.iterrows():
        print(f"{row['feature']}: {row['importance']:.3f}")

# اختبار النموذج على عينات جديدة
print("
🧪 اختبار النموذج على عينات جديدة:")
test_samples = X_test_scaled[:5]
predictions = best_model.predict(test_samples)
probabilities = best_model.predict_proba(test_samples) if hasattr(best_model, 'predict_proba') else None

for i in range(5):
    actual = y_test.iloc[i]
    predicted = predictions[i]
    status = "✅ صحيح" if actual == predicted else "❌ خطأ"
    
    print(f"العينة {i+1}: الفعلي={actual}, المتوقع={predicted} {status}")
    if probabilities is not None:
        prob_low = probabilities[i][0]
        prob_high = probabilities[i][1]
        print(f"  احتمالية الجودة المنخفضة: {prob_low:.3f}")
        print(f"  احتمالية الجودة العالية: {prob_high:.3f}")