# Téléchargement du jeu de données 
df <- read.csv("heart.csv")

# Affichage du jeu de données sous forme de tableau
rmarkdown::paged_table(df)

# Création d'un dataframe contenant les dimensions 
dim <- data.frame(dim(df)) 
rownames(dim) <- c("Nombre de lignes","Nombre de colonnes") # Nom des lignes du tableau
colnames(dim) <- c("") # Nom de la colonne du tableau

# Affichage des dimensions du jeu de données dans un tableau
dim %>% 
  kbl(caption = "Dimension du jeu de données") %>%
  kable_styling() 

# Affichage de la définition des variables dans un tableau 
kable(caption = "Définition des variables", # Titre du tableau
  # Création d'un dataframe avec les variables, leur description, leur type et leur support
  data.frame( 
        Variable = c(
          "age", "sex", "cp", "trestbps", "chol", "fbs", "restecg", "thalach", 
          "exang", "oldpeak", "slope", "ca", "thal"),
        Description = c(
          "Age de l'individu",
          "Sexe de l'individu",
          "Douleur thoracique",
          "Pression artérielle au repos en mmHg",
          "Niveau de cholestérol sérique du patient en mg/dL",
          "Taux de glycémie à jeun",
          "Résultats électrocardiographiques au repos",
          "Fréquence cardiaque maximale atteinte",
          "Angine de poitrine induite par l'exercice",
          "Dépression du segment ST induite par l'exercice par rapport au repos",
          "Pente du segment ST de pointe de l'exercice",
          "Nombre de vaisseaux principaux colorés par la flourosopie",
          "Flux sanguin vers le muscle cardiaque "), 
        Type = c(
          rep("Entier", 9),
          "Réel",
          rep("Entier", 3)),
        Support = c(
          "⟦29;77⟧", "{0, 1}", "{0, 1, 2, 3}", "⟦94;200⟧", "⟦126; 564⟧", "{0, 1}",
          "{0, 1, 2}", "⟦71;202⟧", "{0, 1}", "[0, 6.2]", "{0, 1, 2}", "⟦0;4⟧", "{0, 1, 2, 3}")),
    booktabs=TRUE) # Mise en page et style du tableau

# Vérification des valeurs manquantes dans le dataframe
val_manquantes <- sapply(df, function(x) sum(is.na(x)))

# Affichage du nombre de valeurs manquantes par variable dans un tableau
val_manq <- data.frame(val_manquantes) # Création d'un dataframe avec le nombre de valeurs manquantes
colnames(val_manq) <- c("Nombre de valeur manquante") # Nom de la colonne du tableau
val_manq %>% 
  kbl(caption = "Nombre de valeur manquante par variable") %>% # Titre
  kable_styling() # Mise en page et style du tableau

# Division des données en ensembles d'entraînement et de test
set.seed(123) # pour la reproductibilité
split <- rsample::initial_split(df, prop = 0.8)
train <- rsample::training(split)
test <- rsample::testing(split)

# Création d'un dataframe avec les dimensions des différents ensembles
dimensions <- data.frame(dim(df), dim(train), dim(test))
rownames(dimensions) <- row_names <- c("Nombre de lignes",
                                       "Nombre de colonnes") # nom des lignes 
colnames(dimensions) <- c("Dimension du jeu de données initial", 
                          "Dimensions de l'ensemble d'entrainement", 
                          "Dimensions de l'ensemble de test") # nom des colonnes 

# Affichage des dimensions des ensembles d'entraînement et de test
dimensions %>% 
  kbl() %>%
  kable_styling()

# Organisation des graphiques en une grille 1x2
par(mfrow = c(1, 2)) 

# Création du camembert pour l'ensemble train avec les pourcentages et légendes
pie(table(train$target), #  Table des effectifs pour la variable target
    main = "Distribution de la variable cible (target) \nsur l'ensemble d'entrainement", # Titre
    labels = c("Individus en bonne santé", 
               "Individus atteints \nd'une maladie cardiaque"), # Légende 
    col = c("lightblue", "lightcoral"), # Définition de la couleur des secteurs
    cex = 0.8, # Ajustement de la taille de la légende
    cex.main = 1) # Ajustement de la taille du titre

# Ajout des étiquettes
percent_values_train <- round(100 * prop.table(table(train$target)), 1) # Calcul des pourcentages arrondis
percent_train <- paste(percent_values_train, "%") # Ajout su sigle "%"
text_pie(percent_values_train,  c(percent_train[1], percent_train[2]), cex=0.8) # Utilisation de la fonction text_pie définie plus haut 


# Création du camembert pour l'ensemble test avec les pourcentages et légendes
pie(table(test$target), #  Table des effectifs pour la variable target
    main = "Distribution de la variable cible (target) \nsur l'ensemble de test", # Titre
    labels = c("Individus en bonne santé", 
               "Individus atteints \nd'une maladie cardiaque"), # Légende 
    col = c("lightblue", "lightcoral"), # Définition de la couleur des secteurs
    cex = 0.8, # Ajustement de la taille de la légende
    cex.main = 1) # Ajustement de la taille du titre

# Ajout des étiquettes
percent_values_test <- round(100 * prop.table(table(test$target)), 1) # Calcul des pourcentages arrondis
percent_test <- paste(percent_values_test, "%") # Ajout su sigle "%"
text_pie(percent_values_test,  c(percent_test[1], percent_test[2]), cex=0.8) # Utilisation de la fonction text_pie définie plus haut 

# Déclaration du modèle de regression logistique
mod <- glm(target ~ ., data = train, family = binomial)

# Déclaration du modèle réduit à l'intercept (utile dans la suite)
mod_int <- glm(target~1, data = train, family = "binomial")

# Création d'un tableau qui contient les coefficients du modèle 
tab_stat <- tidy(mod, conf.int = TRUE)

# Mise en forme de la colonne p.value pour afficher en rouge les les p-valeurs inférieures à 0.05
tab_stat <- tab_stat %>%
  mutate(p.value = ifelse(p.value < 0.05, 
                                    cell_spec(round(p.value, 3), "html", color = "red"), 
                                    cell_spec(round(p.value, 3), "html")))

# Affichage du tableau avec mise en forme
tab_stat %>%
  kbl(digits = c(0, 2, 2, 2, 5, 3, 3), # Arrondis
      escape = FALSE, 
      caption = "Statistiques récapitulatives du modèle de regression logistique") %>%
  kable_styling()

# Création d'un dataframe avec les déviances
deviance <- data.frame(mod$null.deviance, mod$deviance)
colnames(deviance) <- c("Déviance du modèle réduit à l'intercept", 
                          "Déviance du modèle créé") # Nom des colonnes 

# Affichage des dimensions des ensembles d'entraînement et de test
deviance %>% 
  kbl(digits = c(2, 2), # Arrondis
      caption = "Déviance des modèles") %>% 
  kable_styling()

# Test Anova 
Ano <- Anova(mod, 
             type = 3, #  type III de l'Anova 
             test.statistic = "LR") # test de rapport de vraisemblance

# Création d'un tableau qui contient les coefficients du modèle 
tab_stat <- tidy(Ano, conf.int = TRUE)

# Mise en forme de la colonne p.value pour afficher en rouge les les p-valeurs inférieures à 0.05
tab_stat <- tab_stat %>%
  mutate(p.value = ifelse(p.value < 0.05, 
                                    cell_spec(round(p.value, 3), "html", color = "red"), 
                                    cell_spec(round(p.value, 3), "html")))

# Affichage du tableau avec mise en forme
tab_stat %>%
  kbl(digits = c(0, 3, 5), 
      escape = FALSE, 
      caption = "Résultats du test Anva") %>%
  kable_styling()

# Méthode backward
mod_back <- step(mod, direction = "backward", trace = FALSE)

# Création d'un tableau qui contient les coefficients du modèle 
tab_stat <- tidy(mod_back, conf.int = TRUE)

# Mise en forme de la colonne p.value pour afficher en rouge les les p-valeurs inférieures à 0.05
tab_stat <- tab_stat %>%
  mutate(p.value = ifelse(p.value < 0.05, 
                                    cell_spec(round(p.value, 3), "html", color = "red"), 
                                    cell_spec(round(p.value, 3), "html")))

# Affichage du tableau avec mise en forme
tab_stat %>%
  kbl(digits = c(0, 3, 3, 3, 4), # Arrondis
      escape = FALSE, 
      caption = "Statistiques récapitulatives du modèle construit par la méthode backward") %>%
  kable_styling()

# Méthode forward
mod_for <- step(mod_int, 
                target ~ age + sex + trestbps + chol + fbs + restecg + thalach
                 + exang + oldpeak + slope + ca + thal, 
                data = train,
                trace = FALSE, 
                direction = c("forward"))

# Création d'un tableau qui contient les coefficients du modèle 
tab_stat <- tidy(mod_for, conf.int = TRUE)

# Mise en forme de la colonne p.value pour afficher en rouge les les p-valeurs inférieures à 0.05
tab_stat <- tab_stat %>%
  mutate(p.value = ifelse(p.value < 0.05, 
                                    cell_spec(round(p.value, 3), "html", color = "red"), 
                                    cell_spec(round(p.value, 3), "html")))

# Affichage du tableau avec mise en forme
tab_stat %>%
  kbl(digits = c(0, 3, 3, 3, 4), # Arrondis
      escape = FALSE,  
      caption = "Statistiques récapitulatives du modèle construit par la méthode forward") %>%
  kable_styling()

# Méthode both
mod_both <- step(mod_int, 
                 target ~ age + sex + trestbps + chol + fbs + restecg + thalach
                 + exang + oldpeak + slope + ca + thal, 
                 data = train, 
                 trace = F, 
                 direction = c("both"))

# Création d'un tableau qui contient les coefficients du modèle 
tab_stat <- tidy(mod_both, conf.int = TRUE)

# Mise en forme de la colonne p.value pour afficher en rouge les les p-valeurs inférieures à 0.05
tab_stat <- tab_stat %>%
  mutate(p.value = ifelse(p.value < 0.05, 
                                    cell_spec(round(p.value, 3), "html", color = "red"), 
                                    cell_spec(round(p.value, 3), "html")))

# Affichage du tableau avec mise en forme
tab_stat %>%
  kbl(digits = c(0, 3, 3, 3, 4), # Arrondis
      escape = FALSE,  
      caption = "Statistiques récapitulatives du modèle construit par la méthode both") %>%
  kable_styling()

# Création d'un dataframe avec les AIC
deviance <- data.frame(AIC(mod_back), AIC(mod_for), AIC(mod_both))
colnames(deviance) <- c("Méthode backward",
                        "Méthode forward",
                        "Méthode both") # Nom des colonnes 

# Affichage des AIC des modèles
deviance %>% 
  kbl(digits = c(1, 1, 1), # pour les arrondis
      caption = "AIC des modèles") %>% # Titre du tableau
  kable_styling()

# Construction du modèle final
mod_final <- glm(target ~ sex + exang + oldpeak + ca + thal + restecg + thalach + cp,
                 data = train, 
                 family = "binomial")

# Création d'un dataframe avec les déviances
deviance <- data.frame(mod$null.deviance, mod_final$deviance)
colnames(deviance) <- c("Déviance du modèle réduit à l'intercept", 
                        "Déviance du modèle final") # nom des colonnes 

# Affichage des dimensions des ensembles d'entraînement et de test
deviance %>% 
  kbl(digits = c(2, 2), caption = "Déviance des modèles") %>% # pour les arrondis
  kable_styling()

par(mfrow = c(1, 1))
plot(rstudent(mod_final), type = "p", cex = 0.5, ylab = "Résidus studentisés ", 
    col = "#0066CC", ylim = c(-3, 3))
abline(h = c(-2, 2), col = "#CC3333")

# Plot des outliers
plot(mod_final,5)

# Création d'un dataframe avec les observations et les prédictions
df_pred <- data.frame(Observed = test$target, Predicted = predicted)
rmarkdown::paged_table(df_pred)

# Création de la matrice de confusion
confusion_matrix <- table(factor(predicted), factor(test$target))
# Affichage de la matrice de confusion
par(mfrow=c(1, 1))
ctable <- as.table(confusion_matrix, 
                   nrow = 2,
                   byrow = TRUE)
# Définir les étiquettes "malade" et "sain" pour les lignes et colonnes
rownames(ctable) <- colnames(ctable) <- c("malade (1)", "sain (0)")

# Définir les étiquettes "Réel" et "Prédit"
dimnames(ctable) <- list(Réel = rownames(ctable), Prédit = colnames(ctable))

fourfoldplot(ctable, 
             color = c("#CC6666", "#CCCCCC"),
             conf.level = 0, 
             margin = 1, 
             main = "Matrice de confusion \ndu modèle de regression logistique")

# Créer des facteurs avec des niveaux correspondants
predicted_factor <- factor(as.numeric(predicted), levels = c(0, 1))
test_target_factor <- factor(as.numeric(test$target), levels = c(0, 1))

# Simulation de la sortie confusionMatrix
results <- confusionMatrix(predicted_factor, test_target_factor, mode = "everything", positive = "1")

# Extraction de l'accuracy
acc <- data.frame(Valeur = results$overall["Accuracy"])

# Extraction des valeurs spécifiques
specific_metrics <- c("Sensitivity", "Neg Pred Value", "F1")
specific_values <- unlist(results$byClass[specific_metrics])

# Création du tableau avec les valeurs spécifiques
results_df_spe <- data.frame(Valeur = specific_values)

# Affichage du tableau 
rbind(acc, results_df_spe) %>% # Fusion des deux dataframe
  kable(digits = 3, # Arrondi
        caption = "Indicateurs et métriques de performance.") %>% # Titre
  kable_styling()

# Courbe ROC
pred <- prediction(predicted_probs_test, test$target)
roc <- performance(pred, measure = "tpr", x.measure = "fpr")

# Calcul de l'AUC
auc <- performance(pred, measure = "auc")
auc_value <- round(unlist(slot(auc, "y.values")), 3)

# Plot de la courbe ROC
plot(roc, xlab = "Taux de faux positifs", ylab = "Taux de vrais positifs", col = "#CC3333", main = "Courbe ROC de l'ensemble de test")
abline(a = 0, b = 1)

# Ajout de l'AUC au graphique
text(0.5, 0.8, labels = paste("AUC =", auc_value), cex = 1.2, col = "black")

par(mfrow=c(1, 2))
# Affichage de la matrice de confusion de la forêt aléatoire
ctable <- as.table(results_rf, 
                   nrow = 2,
                   byrow = TRUE)
# Définir les étiquettes "malade" et "sain" pour les lignes et colonnes
rownames(ctable) <- colnames(ctable) <- c("malade (1)", "sain (0)")

# Définir les étiquettes "Réel" et "Prédit"
dimnames(ctable) <- list(Réel = rownames(ctable), Prédit = colnames(ctable))

fourfoldplot(ctable, 
             color = c("#CC6666", "#CCCCCC"),
             conf.level = 0, 
             margin = 1, 
             main = "Matrice de confusion \ndu modèle de forêt aléatoire")

# Affichage de la matrice de confusion de l'arbre de décision
ctable <- as.table(results_tree, 
                   nrow = 2,
                   byrow = TRUE)
# Définir les étiquettes "malade" et "sain" pour les lignes et colonnes
rownames(ctable) <- colnames(ctable) <- c("malade (1)", "sain (0)")

# Définir les étiquettes "Réel" et "Prédit"
dimnames(ctable) <- list(Réel = rownames(ctable), Prédit = colnames(ctable))

fourfoldplot(ctable, 
             color = c("#CC6666", "#CCCCCC"),
             conf.level = 0, 
             margin = 1, 
             main = "Matrice de confusion \ndu modèle d'arbre de décision")

# Calcul de l'AUC RF
pred_rf <- prediction(predicted_probs_test_rf, test$target)
auc_rf <- performance(pred_rf, measure = "auc")
auc_value_rf <- round(unlist(slot(auc_rf, "y.values")), 3)

# Calcul de l'AUC Tree
pred_tree <- prediction(predicted_probs_test_tree, test$target)
# Calcul de l'AUC
auc_tree <- performance(pred_tree, measure = "auc")
auc_value_tree <- round(unlist(slot(auc_tree, "y.values")), 3)

# Extraction des valeurs spécifiques
specific_metrics <- c("Sensitivity", "Neg Pred Value", "Precision")

# Création d'un dataframe avec les valeurs spécifiques
metrics <- c("Sensibilité", "F1 Score", "Valeur prédictive négative", "Accuracy", "Nombre de faux négatifs", "AUC")
models <- c("Regression logistique", "Random Forest", "Arbre de décision")
data <- matrix(NA, nrow = length(models), ncol = length(metrics))
colnames(data) <- metrics 
rownames(data) <- models

# Insertion des valeurs spécifiques dans le dataframe
data["Regression logistique", ] <- c(unlist(results$byClass[specific_metrics ]), results$overall['Accuracy'], results$table[1, 2], auc_value)
data["Random Forest",] <- c(unlist(results_rf$byClass[specific_metrics]), results_rf$overall['Accuracy'], results_rf$table[1, 2], auc_value_rf)
data["Arbre de décision",] <- c(unlist(results_tree$byClass[specific_metrics]), results_tree$overall['Accuracy'], results_tree$table[1, 2], auc_value_tree)

# Affichage du tableau
data %>%
  kbl(digits = c(3, 3, 3, 3, 1, 2), caption = "Comparaison des performances des différents modèles ") %>% # pour les arrondis et titres  
  kable_styling()