import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# Загрузка данных
train_data = pd.read_csv('data.csv')
test_data = pd.read_csv('test.csv')

# Предполагаем, что в data.csv есть столбец 'label' с метками классов (от 0 до 4 для 5 классов)
X = train_data.drop(columns=['label'])
y = train_data['label']

# Разделение данных на обучающую и тестовую выборки (по желанию)
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=42)

# Обучение модели
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# Проверка точности на валидационной выборке
y_pred = model.predict(X_val)
print(f'Accuracy: {accuracy_score(y_val, y_pred)}')

# Предсказание на тестовых данных
X_test = test_data  # Предполагаем, что test.csv имеет те же признаки, что и data.csv, за исключением меток
test_predictions = model.predict(X_test)

# Сохранение результатов в файл submission.csv
submission = pd.DataFrame({'Id': test_data.index, 'Label': test_predictions})
submission.to_csv('submission.csv', index=False)