library(palmerpenguins)
library(randomForest)
library(caret)

# 2. 데이터셋 로드 및 탐색
data("penguins")  # Palmer Penguins 데이터셋 로드
head(penguins)  # 데이터셋의 앞부분 보기
summary(penguins)  # 데이터 요약 정보

# 3. 데이터 전처리
# NA 값 제거
penguins <- na.omit(penguins)

# 필요한 변수 선택 (종(species)과 설명 변수들)
# species: 분류 대상, 설명 변수: bill_length_mm, bill_depth_mm, flipper_length_mm, body_mass_g
penguins <- penguins[, c("species", "bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g")]

# 데이터셋을 훈련용과 테스트용으로 나누기 (7:3 비율)
set.seed(123)  # 결과 재현성을 위해 시드 설정
trainIndex <- createDataPartition(penguins$species, p = 0.7, list = FALSE)
trainData <- penguins[trainIndex, ]
testData <- penguins[-trainIndex, ]

# 4. 모델 훈련
# Random Forest 모델 훈련
rfModel <- randomForest(species ~ ., data = trainData, importance = TRUE)
print(rfModel)

# 5. 모델 평가
# 테스트 데이터로 예측
predictions <- predict(rfModel, newdata = testData)

# 혼동 행렬 (Confusion Matrix) 생성
confusionMatrix(predictions, testData$species)

# 모델의 중요 변수 보기
importance(rfModel)
varImpPlot(rfModel)