# 필요한 패키지 설치
# install.packages("openai")
# install.packages("palmerpenguins")
# install.packages("tidymodels")

library(openai)
library(palmerpenguins)
library(tidymodels)

# Palmer Penguins 데이터셋 로드
data("penguins")
penguins <- na.omit(penguins)  # 결측값 제거

# 필요한 변수 선택 (성별(sex)과 설명 변수들)
penguins <- penguins[, c("sex", "bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g")]

# 데이터를 훈련용과 테스트용으로 나누기 (7:3 비율)
set.seed(123)
data_split <- initial_split(penguins, prop = 0.7)
train_data <- training(data_split)
test_data <- testing(data_split)

# 레시피 생성
penguins_recipe <- recipe(sex ~ ., data = train_data) %>%
  step_dummy(all_nominal_predictors()) %>%
  step_zv(all_predictors()) %>%
  step_normalize(all_predictors())

# 모델 스펙 정의
rf_spec <- rand_forest(mtry = 2, trees = 1000) %>%
  set_engine("randomForest") %>%
  set_mode("classification")

# 워크플로우 생성
penguins_wf <- workflow() %>%
  add_recipe(penguins_recipe) %>%
  add_model(rf_spec)

# 모델 훈련
rf_fit <- penguins_wf %>%
  fit(data = train_data)

# 예측 수행
predictions <- rf_fit %>%
  predict(test_data) %>%
  bind_cols(test_data)

# 평가 메트릭 계산
metrics <- predictions %>%
  metrics(truth = sex, estimate = .pred_class)

# 정확도, 정밀도, 재현율 계산
conf_mat <- predictions %>%
  conf_mat(truth = sex, estimate = .pred_class)

accuracy <- metrics %>%
  filter(.metric == "accuracy")

precision <- conf_mat %>%
  summary() %>%
  filter(.metric == "precision")

recall <- conf_mat %>%
  summary() %>%
  filter(.metric == "recall")

# 결과 출력
print(accuracy)
print(precision)
print(recall)