# Keras je softwarová knihovna, jež poskytuje rozhraní v jazyce Python pro techniky neuronových sítí.
import keras
# Load model je funkce sloužící pro načítání uloženého modulu neuronové sítě
from keras.models import load_model
# Pandas slouží pro analýzu dat, které lze reprezentovat 2D tabulkou. Tento „tvar” dat najdeme v SQL databázích, souborech CSV nebo tabulkových procesorech.
import pandas as pd
# Funkce MinMaxScaler slouží k transformaci hodnot do rozmezí o až 1.
from sklearn.preprocessing import MinMaxScaler
# NumPy je knihovna programovacího jazyka Python, která poskytuje infrastrukturu pro práci s vektory, maticemi a obecně vícerozměrnými poli.
import numpy as np
# Argparse je modul sloužící k vytváření rozhraní pro příkazovou řádku.
import argparse
# OS je modul pro interakci s operačním systémem.
import os

# - definování způsobu, jak předat argument z příkazového řádku do programu
parser = argparse.ArgumentParser()
parser.add_argument("--test_data",help = "absolutní cesta datového souboru s testovacími daty ",required=True)
parser.add_argument("--neuronova_sit",help = "absolutní cesta uloženého modelu neuronové sítě ", required=True)
args=vars(parser.parse_args())

# - načtení trénovacích dat neuronové sítě ze souboru ve formátu XLS
test_data = pd.read_excel(args["test_data"],sheet_name="ln(data)")

# - definování vstupních proměnných
vstupni_data = test_data[test_data.columns[3:]]

# - vytvoření datové matice vstupních proměnných
matice_vstupnich_dat=np.mat(vstupni_data)

# - načtení natrénované neuronové sítě ze souboru ve formátu HDF
loaded_model = load_model(args["neuronova_sit"])
loaded_model.compile(loss='mean_squared_error',optimizer=keras.optimizers.adam(lr=0.01))

# - použití funkce MinMaxScaler k namapování hodnot vstupních proměnných na interval <0,1>
prepro_x = MinMaxScaler()
prepro_x.fit(matice_vstupnich_dat)
min_max_vstupnich_promennych=prepro_x.transform(matice_vstupnich_dat)

# - predikce Neuronové sítě hodnot výstupní proměnné na základě hodnot vstupních proměnných a uložení těchto hodnot do souboru v CSV formátu
predictions = loaded_model.predict(min_max_vstupnich_promennych)
predikce=pd.DataFrame(predictions,columns=["predikce_NS"])
predikce.to_csv("C:\\Users\\korec\\PycharmProjects\\Diplomka\\Neuronova_sit_vystup\\{}_predikce.csv".format(os.path.split(args["test_data"])[-1][0:-4]),index=False)