%format short e
input = InputDaten;

% m*n -Matrix
[m,n] = size(input); % m = Zeilenzahl  von input; n = Spaltenzahl von input

%Ausgabedaten(Outputdaten) = Viskositätsänderung; wird aus dem 9.(n.te)Spalte
% von Inputdaten gelesen.
output=input(:,n);

% Wahl der auszulassenden Versuchnummer(8(n-1).Spalte in Inputdaten).  
% Auszulassende Versuche werden hier als Vektoren dargestellt.
% Auszulassende Versuche in Vektoren eintragen.
VersuchAuslassen = InputVersuchAuslassen;

Row=1;
Row_neu=1;
index=1;
auslassen=0;
input_neu =[]; % Leere Inputdaten Matrix für die neue Einträge nach neuer Sortierung
output_neu =[]; % Leere Outputdaten Matrix für die neue Einträge nach neuer Sortierung
Anzahl_VersuchAuslassen = length(VersuchAuslassen);% Länge des Vektors von VersuchAuslassen
Row_AnzahlvonInput= length(input(:,1)); % Zeilenzahl von input

for Row=1:1:Row_AnzahlvonInput
    
    for index = 1:1:Anzahl_VersuchAuslassen 
        
        if input(Row,n-1) == VersuchAuslassen(index)
            auslassen=1;
        end
        %index=index+1;
    end
    if auslassen == 0
        input_neu(Row_neu,:)=input(Row,1:n-2);  %Hier wird Output und Versuchsnummer abgeschnitten
        output_neu(Row_neu,:)=output(Row,1);
        Row_neu=Row_neu+1;
        %auslassen=0;
    else
        auslassen=0;
    end
    %Row=Row+1;
   
end 

Row_AnzahlvonInputneu = length(input_neu(:,1));
[m_neu,n_neu]=size(input_neu);


    

%Suche nach dem Maximum jeder Spalte


for index = 1:1:n_neu
    
    Max_input_neu(index) = max(input_neu(:,index));
    
    Min_input_neu(index) = min(input_neu(:,index)); 
    
    vector(index,1) = Min_input_neu(index);
    vector(index,2) = Max_input_neu(index);
end


rndrows=randperm(size(input_neu,1)); %Ergibt ein Feld der Zeilenanzahl mit gefüllten Zeilennummer in einer zufälligen Anordnung.
trainrows = sort(rndrows([1:round(size(rndrows,2)*0.9)])); % Die zu trainierende daten werden sotiert.
valrows = sort(rndrows([round(size(rndrows,2)*0.9)+1:size(rndrows,2)])); % Die nach dem Trainieren zu validierenden daten werden sortiert.



%Trennung der Daten in einer Trainnings- und Validierungsmenge.
% Row means Zeile

% Trainingsdaten
traininput = input_neu(trainrows,1:n_neu);
traintarget = output(trainrows,:);



%validierungsdaten

val.P = input_neu(valrows,1:n_neu);
val.T = output(valrows,:);

%{
P = input_neu(valrows,1:n_neu)';
T = output(valrows,:)';
%}

Anzahltrainingsdaten=length(trainrows);
Anzahlvalidierungsdaten =length(valrows);