Upload folder using huggingface_hub

README.md

@@ -1,38 +1,5 @@
 
----
-title: Mô hình dự đoán hiệu suất xe điện
-emoji: 🔋
-colorFrom: blue
-colorTo: green
-sdk: gradio
-sdk_version: 6.3.0
-python_version: 3.10
-app_file: app.py
-pinned: false
----
+# 🔋 Electric Vehicle Performance Prediction Model
 
-# 🔋 Mô hình dự đoán hiệu suất xe điện
-
-## 👨‍🎓 Tác giả
-**Đề án nghiên cứu sinh viên – Năm học 2024–2025**
-
----
-
-## 📌 Giới thiệu
-Ứng dụng sử dụng mô hình học máy (XGBoost) đã được huấn luyện sẵn nhằm dự đoán hiệu suất hoạt động của xe điện dựa trên các thông số đầu vào.
-
-## ⚙️ Công nghệ sử dụng
-- Python 3.10  
-- Gradio  
-- XGBoost  
-- Joblib  
-- NumPy  
-
-## 🚀 Cách sử dụng
-1. Nhập các thông số đầu vào của xe điện  
-2. Nhấn **Dự đoán**  
-3. Hệ thống trả về giá trị hiệu suất dự đoán
-
-## 📊 Mục đích
-- Minh họa khả năng ứng dụng trí tuệ nhân tạo trong lĩnh vực giao thông xanh  
-- Phục vụ học tập và nghiên cứu khoa học sinh viên
+## 👨‍🎓 Author
+Student Research Project – Academic Year 2024–2025

ev_model/README.md

@@ -0,0 +1,5 @@
+
+# 🔋 Electric Vehicle Performance Prediction Model
+
+## 👨‍🎓 Author
+Student Research Project – Academic Year 2024–2025

ev_model/app.py

@@ -0,0 +1,58 @@
+import gradio as gr
+import numpy as np
+import joblib
+
+# =========================
+# Load model
+# =========================
+model = joblib.load("model.joblib")
+
+# =========================
+# Prediction function
+# =========================
+def predict_ev(year, make, model_code, ev_type, cafv, utility):
+    X = np.array([[year, make, model_code, ev_type, cafv, utility]])
+    prediction = model.predict(X)
+    return f"🔍 Electric Range dự đoán: {prediction[0]:.2f} km"
+
+# =========================
+# Gradio Interface
+# =========================
+with gr.Blocks(title="EV Performance Prediction") as demo:
+    gr.Markdown(
+        """
+        # 🔋 Electric Vehicle Performance Prediction
+        **Dự báo hiệu suất kỹ thuật xe điện (Electric Range)**  
+        ---
+        """
+    )
+
+    gr.Markdown("### 📥 Nhập thông tin xe")
+
+    with gr.Row():
+        year = gr.Number(label="Model Year", value=2020)
+        make = gr.Number(label="Make (encoded)", value=10)
+        model_code = gr.Number(label="Model (encoded)", value=20)
+
+    with gr.Row():
+        ev_type = gr.Number(label="EV Type (encoded)", value=1)
+        cafv = gr.Number(label="CAFV Eligibility (encoded)", value=0)
+        utility = gr.Number(label="Electric Utility (encoded)", value=60)
+
+    predict_btn = gr.Button("🚀 Dự báo hiệu suất")
+    output = gr.Textbox(label="Kết quả dự báo")
+
+    predict_btn.click(
+        fn=predict_ev,
+        inputs=[year, make, model_code, ev_type, cafv, utility],
+        outputs=output
+    )
+
+    gr.Markdown(
+        """
+        ---
+        *Student Research Project – Academic Year 2024–2025*
+        """
+    )
+
+demo.launch()

ev_model/model.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:2bb47892592702dc88f2ae782402df93cc4f3ae36b83cc42647262756474e63f
+size 70445

ev_model/requirements.txt

@@ -0,0 +1,5 @@
+scikit-learn
+xgboost
+joblib
+numpy
+gardio

requirements.txt

@@ -1,5 +1,5 @@
-numpy
 scikit-learn
 xgboost
 joblib
-gradio
+numpy
+gardio