import pandas as pd
import numpy as np
import holidays
import xgboost as xgb
from sklearn.metrics import mean_absolute_error

print("Start training Model 1.5...")

# --- 1. DATA LADEN ---
# We gebruiken de CSV die we al hadden
try:
    df = pd.read_csv("training_set_2024_2025.csv")
    df['datum_tijd'] = pd.to_datetime(df['datum_tijd'])
    df = df.set_index('datum_tijd').sort_index()
    print(f"Data geladen: {len(df)} rijen.")
except FileNotFoundError:
    print("Zorg dat 'training_set_2024_2025.csv' in de map staat.")
    raise

# --- 2. FEATURE ENGINEERING (v1.5) ---
print("Feature Engineering (v1.5) gestart...")

# --- 2a. FEESTDAGEN FEATURE ---
# Maak een lijst van Nederlandse feestdagen voor de relevante jaren
nl_holidays = holidays.Netherlands(years=[2024, 2025])
df['is_feestdag'] = df.index.to_series().apply(lambda x: 1 if x in nl_holidays else 0)
print("Feestdagen feature toegevoegd.")

# --- 2b. TIJD-FEATURES (Basis) ---
df['uur_van_de_dag'] = df.index.hour
df['dag_van_de_week'] = df.index.dayofweek # 0=Maandag, 6=Zondag
df['maand'] = df.index.month
df['dag_van_het_jaar'] = df.index.dayofyear

# --- 2c. ONE-HOT ENCODING (DE BELANGRIJKSTE FIX) ---
# Converteer 'dag_van_de_week' en 'uur_van_de_dag' naar losse kolommen
print("One-Hot Encoding toepassen...")
df = pd.get_dummies(df, columns=['dag_van_de_week', 'uur_van_de_dag'], 
                    prefix=['dag', 'uur'])

# --- 2d. Basis Lag/Rolling Features (deze hadden we al) ---
df['prijs_1u_geleden'] = df['gemiddelde_prijs'].shift(1)
df['prijs_24u_geleden'] = df['gemiddelde_prijs'].shift(24)
df['temp_avg_3u'] = df['temperatuur'].rolling(window=3).mean()
df['prijs_avg_6u'] = df['gemiddelde_prijs'].rolling(window=6).mean()

# --- 2e. Opschonen ---
# We verliezen nu maar 24 rijen (van de 'prijs_24u_geleden' lag)
print(f"Rijen vóór opschonen: {len(df)}")
df_clean = df.dropna()
print(f"Rijen ná opschonen: {len(df_clean)}")

# Toon ons de nieuwe features
print("\nVoorbeeld van de nieuwe 'dag' features:")
print(df_clean.filter(like='dag_').head())

# --- 3. DEFINIEER FEATURES (X) en TARGET (y) ---
TARGET = 'gemiddelde_prijs'
# Automatisch alle kolommen als feature gebruiken
FEATURES = [col for col in df_clean.columns if col not in [TARGET]]

print(f"\nModel wordt getraind met {len(FEATURES)} features.")

X = df_clean[FEATURES]
y = df_clean[TARGET]

# --- 4. CHRONOLOGISCHE SPLIT ---
# We splitsen op 1 jan 2025, net als de vorige keer
SPLIT_DATE = '2025-01-01 00:00:00'
train_mask = X.index < SPLIT_DATE
test_mask = X.index >= SPLIT_DATE

X_train, y_train = X[train_mask], y[train_mask]
X_test, y_test = X[test_mask], y[test_mask]

print(f"Trainingset: {len(X_train)} rijen")
print(f"Testset: {len(X_test)} rijen")

# --- 5. MODEL TRAINEN ---
xgb_model_v1_5 = xgb.XGBRegressor(
    n_estimators=1000,
    learning_rate=0.01,
    early_stopping_rounds=50
)

print("\nModel v1.5 aan het trainen...")
xgb_model_v1_5.fit(
    X_train, y_train,
    eval_set=[(X_test, y_test)],
    verbose=False # Zet op 100 om voortgang te zien
)
print("Training voltooid.")

# --- 6. EVALUATIE ---
voorspellingen_v1_5 = xgb_model_v1_5.predict(X_test)
mae_v1_5 = mean_absolute_error(y_test, voorspellingen_v1_5)
print(f"\nNieuwe Model (v1.5) MAE: {mae_v1_5:.4f}")

# --- 7. MODEL OPSLAAN ---
MODEL_FILE = 'price_forecast_model_v1_5.json'
xgb_model_v1_5.save_model(MODEL_FILE)
print(f"\nModel 1.5 opgeslagen als: {MODEL_FILE}")