john : l'objet dont on veut determiner une classe inconnue

• nom du fichier csv source (ex: ../data/tp_mushrooms_dataset_150.csv)
• type de données (ex: champignons)
• index de la colonne avec la classe à prédir (ex: 22)
• valeur de K (K-NN) (ex: -k 3)
• indice des champs les plus utiles (ex: -o 5,7,13)
• vote pondere (ex: -o)
• fichier pour tester (ex: -t ../data/tp_mushrooms_dataset_150.csv)

• k (si pas entrer en commande) (ex: 3)
• john (ex: g,f,g,h,i,i,p,e,g,h,g)

• prédiction de john

1. si k non formis, demande du k
2. parsing du fichier
3. calcul de la distance entre john et les éléments du fichier
4. détermination des K cas les plus proches de john
5. retourner la valeur de la classe à prédire des johns
6. demander s'il y a d'autres johns à rentrer
   6a. si oui, on retourne à l'étape 3 6b. Si non, on termine

SEPARATOR
READ_MODE

parseCsvLine(csvLine:str):list
parseCsvFile(filename:str):Dataset
euclideanKNN(dataSet:list[Datum], index_col:int)

constructor(csvLine:list)
euclideanDistance(compared:Datum, index_col:int)
euclideanKNN(dataSet:list[Datum], index_col:int)

data:list[Datum]
fields:list[str]
nbFields:int

constructor(fields:list[str], data:list[Datum])