import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import accuracy_score

# Scores précédents (données historiques)
previous_scores = ["1-0", "1-1", "1-0", "1-1", "2-2"]
previous_scores = [score.split("-") for score in previous_scores]

# Données d'entraînement et de test
X = np.array([[1, 2, int(score[0]), int(score[1])] for score in previous_scores[:-1]])
y = np.array([int(score[0]) for score in previous_scores[:-1]])

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Normalisation des données
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# Modèles de régression linéaire et KNN
linear_model = LinearRegression()
knn_model = KNeighborsRegressor(n_neighbors=3)

# Entraînement des modèles
linear_model.fit(X_train, y_train)
knn_model.fit(X_train, y_train)

# Prédictions des scores avec les deux modèles
y_pred_linear = np.round(linear_model.predict(X_test)).astype(int)
y_pred_knn = np.round(knn_model.predict(X_test)).astype(int)

# Évaluation des performances
accuracy_linear = accuracy_score(y_test, y_pred_linear)
accuracy_knn = accuracy_score(y_test, y_pred_knn)

# Formatage des prédictions de score exact en jaune clair
predictions_linear = [f"\033[93m\033[1mScore exact : {y1}-{y2}\033[0m" for y1, y2 in zip(y_pred_linear, y_test)]
predictions_knn = [f"\033[93m\033[1mScore exact : {y1}-{y2}\033[0m" for y1, y2 in zip(y_pred_knn, y_test)]

# Affichage des prédictions et des performances
print("\033[1;32mCe bot de prédiction de scores est un projet entièrement créé avec passion par Alain Obite. Mon objectif est de vous aider à améliorer vos paris sportifs en fournissant des prédictions précises et fiables. Profitez de prédictions gagnantes pour vos paris sportifs. Bonne chance et que la réussite soit de votre côté !\033[0m")

print("\n\033[1mPrédictions avec régression linéaire:\033[0m", ", ".join(predictions_linear))
print("\n\033[1mPrédictions avec KNN:\033[0m", ", ".join(predictions_knn))

print(f"\n\033[1mPrécision de la régression linéaire : {accuracy_linear * 100:.2f}%\033[0m")
print(f"\033[1mPrécision de KNN : {accuracy_knn * 100:.2f}%\033[0m")
print('Hello world!')