# Weryfikacja krzyzowa szacujaca p-stwo poprawnej predykcji (ppp)
# odmiany irysa za pomoca metody qda, ktora jest tutaj 
# zaimplementowana bezposrednio.

y=c(rep(1,50), rep(2,50), rep(3,50)); X=as.matrix(iris[,-5])
yPred=rep(NA,150); ppp=rep(NA,5)    #p-stwo poprawnej predykcji
perm1=sample(1:50,50); perm2=sample(1:50,50); perm3=sample(1:50,50)

for(i in 1:5){
  ind=((i-1)*10+1):(i*10)
  test1=perm1[ind]; train1=perm1[-ind]
  test2=perm2[ind]; train2=perm2[-ind]
  test3=perm3[ind]; train3=perm3[-ind]
  m1=apply(X[train1,],2,mean);     v1=cov(X[train1,])
  m2=apply(X[train2+50,],2,mean);  v2=cov(X[train2+50,])
  m3=apply(X[train3+100,],2,mean); v3=cov(X[train3+100,])
  test=c(test1,test2+50,test3+100)
  for(j in test) {
    u1=-t(X[j,]-m1)%*%solve(v1, X[j,]-m1) - log(det(v1))
    u2=-t(X[j,]-m2)%*%solve(v2, X[j,]-m2) - log(det(v2))
    u3=-t(X[j,]-m3)%*%solve(v3, X[j,]-m3) - log(det(v3))
    yPred[j]=which.max(c(u1,u2,u3))
  }
  ppp[i]=mean(y[test]==yPred[test])
}