Update app.py

app.py

@@ -143,9 +143,9 @@ df = df.drop(columns=DROP).dropna()
 X, y = df.drop(columns="Görüs Tipi"), df["Görüs Tipi"]
 X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2, stratify=y, random_state=42)
 
-scaler = MinMaxScaler().fit(X_tr)
-Xtr_s = scaler.transform(X_tr)
-Xte_s = scaler.transform(X_te)
+scaler_full = MinMaxScaler().fit(X_tr)
+Xtr_s = scaler_full.transform(X_tr)
+Xte_s = scaler_full.transform(X_te)
 
 encoder = LabelEncoder()
 ytr_e = encoder.fit_transform(y_tr)
@@ -159,25 +159,30 @@ grid = GridSearchCV(
 grid.fit(Xtr_s, ytr_e)
 best_params = grid.best_params_
 
+# İlk eğitim → feature importance için
 full_plain = ConcreteXGBClassifier(n_bits=8, **best_params, random_state=42)
 full_plain.fit(Xtr_s, ytr_e)
 
 imp_df = pd.DataFrame({"col": X.columns, "imp": full_plain.feature_importances_})
+imp_df = imp_df.sort_values("imp", ascending=False).reset_index(drop=True)
 imp_df["cum"] = imp_df["imp"].cumsum()
 COLS = imp_df.loc[imp_df["cum"] <= 0.95, "col"].tolist()
 
-print("\n🔎 Modelde kullanılan kolonlar:")
-for i, col in enumerate(COLS, start=1):
-    print(f"{i:>2}. {col}")
-
-scaler_sel = MinMaxScaler().fit(X_tr[COLS])
-Xtr_sel = scaler_sel.transform(X_tr[COLS])
-Xte_sel = scaler_sel.transform(X_te[COLS])
+# Seçilen feature'lara göre final model
+scaler = MinMaxScaler().fit(X_tr[COLS])
+Xtr_sel = scaler.transform(X_tr[COLS])
+Xte_sel = scaler.transform(X_te[COLS])
 
 final_model = ConcreteXGBClassifier(n_bits=8, **best_params, random_state=42)
 final_model.fit(Xtr_sel, ytr_e)
 final_model.compile(Xtr_sel)
 
+print("\n🔍 Seçilen Özellikler (%95 etkili):")
+for i, col in enumerate(COLS, 1):
+    print(f"{i:>2}. {col}")
+
+
+
 # ------------------------ Tahmin Fonksiyonu ------------------------
 def predict_opinion(excel_file: gr.File):
     if excel_file is None:
@@ -205,43 +210,81 @@ def predict_opinion(excel_file: gr.File):
     "Tahmin Görüş Tipi": labels})
 
 
-# ------------------------ Gradio UI ------------------------
+# Global değişkenler
+enc_input = None
+enc_output = None
+
+# -------------------- Gradio UI -------------------- #
 with gr.Blocks(theme=gr.themes.Default(primary_hue="blue")) as demo:
-    gr.Markdown("# Denetçi Görüşü Tahmin Uygulaması")
+    gr.Markdown("# 🔐 Denetçi Görüşü Tahmin Uygulaması (FHE)")
+    
+    gr.Markdown("## 1️⃣ Anahtar Üret (Key Generation)")
+    key_btn = gr.Button("🔑 Anahtarı Oluştur ve Server'a Gönder")
+    eval_key_box = gr.Textbox(label="Evaluation Key (görsel)", lines=1)
+
+    def generate_keys():
+        final_model.fhe_circuit.keygen()
+        return final_model.fhe_circuit.get_serialized_evaluation_keys().decode()[:120] + "..."
+
+    key_btn.click(generate_keys, outputs=eval_key_box)
 
-    # 1️⃣ Üst: Dosya yükle ve buton
-    with gr.Row():
-        file_in = gr.File(
-            file_types=[".xlsx", ".xls", ".xlsm"],
-            label="Excel Yükleyin"
+    gr.Markdown("## 2️⃣ Excel Dosyası Yükle")
+    file_in = gr.File(file_types=[".xlsx"], label="📁 Excel Dosyası")
+
+    encrypt_btn = gr.Button("🔐 Girişi Şifrele ve Server'a Gönder")
+    encrypted_box = gr.Textbox(label="Şifreli Giriş (ilk 150 karakter)")
+
+    def encrypt_excel(file):
+        global enc_input
+        raw_df = (
+            pd.read_excel(file.name, header=None)
+            .set_index(0).T.reset_index(drop=True)
         )
-        btn = gr.Button("Tahmin Et", variant="primary")
+        raw_df.columns = raw_df.columns.str.strip()
+        raw_df = raw_df.loc[:, ~raw_df.columns.duplicated()]
+        raw_df.rename(columns={"Desc": "Periyot"}, inplace=True)
+        raw_df["Periyot"] = raw_df["Periyot"].astype(str).str.strip()
 
-    # 2️⃣ Örnek Excel dosyaları
-    gr.Examples(
-        examples=EXAMPLE_XLSX,
-        inputs=file_in,
-        label="💾 Örnek Dosyayı Deneyin",
-        cache_examples=False,
-    )
+        enriched = compute_ratios(raw_df)
+        X_input = enriched[SELECTED_FEATS].dropna()
+        if X_input.empty:
+            raise gr.Error("Veri eksik veya oranlar hesaplanamadı.")
+        scaled = scaler.transform(X_input)
+        enc_input = final_model.fhe_circuit.encrypt(scaled)
+        return str(enc_input)[:150] + "..."
 
-    # 3️⃣ Çıktılar (başta görünmesin)
-    out_df = gr.Dataframe(
-        wrap=True,
-        show_label=False,
-        visible=False   # 🔥 Bu satır önemli
-    )
+    encrypt_btn.click(encrypt_excel, inputs=file_in, outputs=encrypted_box)
+
+    gr.Markdown("## 3️⃣ Tahmini Şifreli Olarak Gerçekleştir (FHE)")
+    run_btn = gr.Button("🚀 FHE Tahmini Çalıştır")
+    time_box = gr.Textbox(label="Tahmin Süresi (sn)")
+
+    def run_fhe():
+        import time
+        global enc_output
+        start = time.time()
+        enc_output = final_model.fhe_circuit.run(enc_input)
+        return f"{time.time() - start:.2f}"
 
-    # 4️⃣ Tahmin fonksiyonu
-    def predict_opinion_with_visibility(excel_file: gr.File):
-        df_result = predict_opinion(excel_file)  # senin mevcut fonksiyonun
-        return gr.update(value=df_result, visible=True)
+    run_btn.click(run_fhe, outputs=time_box)
 
-    btn.click(
-        predict_opinion_with_visibility,
+    gr.Markdown("## 4️⃣ Tahmin Sonucunu Deşifre Et")
+    decrypt_btn = gr.Button("🔓 Tahmin Sonucunu Göster")
+    result_box = gr.Textbox(label="📌 Tahmin: Görüş Tipi")
+
+    def decrypt_result():
+        y_pred = final_model.fhe_circuit.decrypt(enc_output)
+        return encoder.inverse_transform([y_pred])[0]
+
+    decrypt_btn.click(decrypt_result, outputs=result_box)
+
+    gr.Markdown("## 📎 Örnek Dosyaları Deneyin")
+    gr.Examples(
+        examples=EXAMPLE_XLSX,
         inputs=file_in,
-        outputs=out_df
+        label="💾 Örnek Excel Seç",
+        cache_examples=False,
     )
 
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()