# -*- coding: utf-8 -*-
# %%
import numpy as np
import nnwplot
import matplotlib.pyplot as plt

# %% ErrorRate
def ErrorRate(Y,T):
    if Y.ndim==1 or Y.shape[0]==1:
        errors=Y!=T # gibt boolsche Liste zurück
        return errors.sum()/Y.size # summiert True als 1 in errors auf 
    else: # für mehrere Ausgaben in one-hot Kodierung:
        errors=Y.argmax(0)!=T.argmax(0)
        return errors.sum()/Y.shape[1]

# %%
class SLN:
    def __init__(self, dIn, cOut): # Konstruktor
        np.random.seed(42)
        self._b=np.zeros((cOut,1))
        self._W=np.random.randn(cOut,dIn)/np.sqrt(dIn+1)

    def neuron(self, X):
        N = X.shape[1]
        net = np.zeros(N)

        net = self._W @ X 
        # b verwenden ...
        net = net - self._b
        return net > 0 # threshold ....
    
    def DeltaTrain(self, X, T, eta, maxIter, maxErrorRate):
        N=X.shape[1]    # Anzahl Trainingsdaten
        plt.ion() # interactive mode on
        for it in range(maxIter):
            Y = self.neuron(X) # nur ein Aufruf
            err = ErrorRate(Y, T)
            if (it%20) == 0:
                print('#{} err:{}\n{}\n{}'.format(it,err,self._W,self._b))
                nnwplot.plotTwoFeatures(X, T, self.neuron)
                plt.pause(0.05) # warte auf GUI event loop (je nach python Version notwendig oder nicht)
            if err <= maxErrorRate:
                break
            Y = Y.astype(float)
            # update _W
            # X.shape = (2,4), T.shape = (1,4), Y.shape = (1,4)
            self._W +=  eta * (T - Y) @ X.T  / N
            # update _b 
            self._b -= eta * (T - Y) @ np.ones((1,N)).T / N
            
        print('#{} err:{}\n{}\n{}'.format(it,err,self._W,self._b))
        nnwplot.plotTwoFeatures(X, T, self.neuron)
        plt.pause(0.05) # warte auf GUI event loop (je nach python Version notwendig oder nicht)

        input("Press Enter to continue...") # wenn gewünscht ...
# %%
# 3f)
X_AND = np.array([[0,0], [1,0], [0,1], [1,1]]).T
T_AND = np.array([[0],[0],[0],[1]]).T


sln = SLN(2, 1)
sln.DeltaTrain(X_AND, T_AND,0.5,10,0)

# %%