"""
...........................
Lineáris szeparálás SVM-mel
...........................
"""

print(__doc__)

import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import SVC
import urllib.request

# Toltsuk be a perceptron kodnal hasznalt adatokat!

url='https://arato.inf.unideb.hu/baran.agnes/NH2017/elemek.txt' 
points = np.loadtxt(urllib.request.urlopen(url))

#points=np.loadtxt('elemek.txt')     # betoltes fajlbol

x1=points[:,0]
x2=points[:,1]
X=points[:,:2]
y=points[:,2]

# Hasznaljuk az SVC parancsot linearis szeparalasra!

svm = SVC(kernel='linear')
svm.fit(X, y)

suppvec=svm.support_vectors_        # ez a tomb tartalmazza a tarto vektorokat
print(suppvec.shape)
print(suppvec)

w=svm.coef_                         # a szeparalo egyenes normalvektora
b=svm.intercept_                    # a szeparalo egyenes tengelymetszete
print(w.shape)
print(b.shape)

## Feladat: abrazoljuk a ket ponthalmazt, jeloljuk be a tartovektorokat, tegyuk ra az abrara a szeparalo egyenest

t = np.arange(min(x1)-0.5,max(x1)+0.5, 0.2)             # egyenes abrazolashoz

plt.plot(x1[:200],x2[:200],'bo',fillstyle='none')           # +1-esek
plt.plot(x1[200:],x2[200:],'ro',fillstyle='none')           # -1-esek
plt.plot(suppvec[:,0],suppvec[:,1],'go')
plt.plot(t,-w[:,0]/w[:,1]*t-b/w[:,1],'g')
plt.show()