# przyklad 3.2

###################
# jedna obserwacja
# y.pred - wyniki predykcji dla obserwacji
# y - wartosc empiryczna (jedna liczba)

# load(file="bos 300 .dat")
# zbiór wyników predykcji 300 modeli bazowych

lobs<-length(bos.test.y)
lmod<-200

ks<-seq(10,lmod,10)

bb<-sample(1:lobs,1)          # losowa obserwacja
#bb<-71

blad<-numeric(length=length(ks))
war<-blad
obc<-blad

#d<-bos.test.d    # drzewa
d<-bos.test.k    # knn dla k=9

y<-bos.test.y[bb]

for (i in seq(along=ks)) 
{
y.pred<-d[bb,1:ks[i]]

blad[i]<-mean((y-y.pred)^2)
war[i]<-var(y.pred)
obc[i]<-(mean(y.pred)-y)^2
}



blad.d<-blad
obc.d<-obc
war.d<-war

# linie + punkty czb
plot(blad.d,xaxt="n",xlab="Liczba modeli bazowych",ylab="Błąd predykcji",ylim=c(0,max(blad.d)+1),type="n",main="Drzewa regresyjne")
axis(1,labels=ks,at=1:length(ks))
lines(blad.d,type="l",pch=2)
lines(war.d,type="l",pch=3)
lines(obc.d,type="l",pch=4)
points(blad.d,cex=.7,pch=2)
points(war.d,cex=.7,pch=3)
points(obc.d,cex=.7,pch=4)
legend("topright",lty=1,pch=c(2,3,4),legend = c("błąd", "wariancja","kwadrat obciążenia"))

blad.k<-blad
obc.k<-obc
war.k<-war

plot(blad.k,xaxt="n",xlab="Liczba modeli bazowych",ylab="Błąd predykcji",ylim=c(0,max(blad.k)+10),type="n",main="9-NN")
axis(1,labels=ks,at=1:length(ks))
lines(blad.k,type="l",pch=2)
lines(war.k,type="l",pch=3)
lines(obc.k,type="l",pch=4)
points(blad.k,cex=.7,pch=2)
points(war.k,cex=.7,pch=3)
points(obc.k,cex=.7,pch=4)
legend("topright",lty=1,pch=c(2,3,4),legend = c("błąd", "wariancja","kwadrat obciążenia"))