app.py

import os
os.system("pip install joblib pandas scikit-learn gradio")
import joblib


import pandas as pd
import joblib
import gradio as gr

# تحميل الكائنات المحفوظة
le = joblib.load("le_col.pkl")  # Label Encoders
std = joblib.load("st_col.pkl")  # Standard Scaler
lr = joblib.load("model.pkl")  # نموذج الانحدار اللوجستي

# الأعمدة التي تحتاج إلى التحويل والتقييس
le_col = ['Segment', 'Market', 'Category']
st_col = ['Sales', 'Quantity', 'Profit', 'Shipping Cost']

def prediction_model(s, m, c, ss, q, d, p, ssc):
    try:
        # تجهيز البيانات المدخلة
        input_data = pd.DataFrame({
            'Segment': [s],
            'Market': [m],
            'Category': [c],
            'Sales': [ss],
            'Quantity': [q],
            'Discount': [d],
            'Profit': [p],
            'Shipping Cost': [ssc]
        })
        
        # تحويل القيم الفئوية باستخدام LabelEncoder المحفوظ
        for col in le_col:
            input_data[col] = le[col].transform(input_data[col])
        # تقييس البيانات العددية باستخدام StandardScaler المحفوظ
        input_data[st_col] = std.transform(input_data[st_col])
        
        # التنبؤ باستخدام النموذج المحفوظ
        prediction = lr.predict(input_data)
        if prediction[0] == 0:
            return 'High'
        else:
            return 'Low'

    
    except Exception as e:
        return str(e)

# بناء واجهة Gradio
gr.Interface(
    fn=prediction_model,
    inputs=[
        gr.Dropdown(['Consumer', 'Corporate', 'Home Office'], label='Segment'),
        gr.Dropdown(['Asia Pacific', 'Europe', 'USCA', 'LATAM', 'Africa'], label='Market'),
        gr.Dropdown(['Technology', 'Furniture', 'Office Supplies'], label='Category'),
        gr.Number(label='Sales'),
        gr.Number(label='Quantity'),
        gr.Number(label='Discount'),
        gr.Number(label='Profit'),
        gr.Number(label='Shipping Cost')
    ],
    outputs=gr.Textbox(label='Prediction'),
    title='Prediction Program'
).launch()