Update app.py

app.py

@@ -7,17 +7,15 @@ from sklearn.preprocessing import OneHotEncoder, StandardScaler
 from sklearn.pipeline import Pipeline
 import streamlit as st
 
-# Veriyi oku
 df = pd.read_excel("cars.xls")
 
-# Özellik ve hedef değişkenleri ayır
 x = df.drop('Price', axis=1)
 y = df['Price']
 
-# Veri setini eğitim ve test olarak ayır
+
 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=42)
 
-# Ön işleme adımları
+
 preprocess = ColumnTransformer(
     transformers=[
         ('num', StandardScaler(), ['Mileage', 'Cylinder', 'Liter', 'Doors']),
@@ -25,25 +23,25 @@ preprocess = ColumnTransformer(
     ]
 )
 
-# Model tanımla
+
 my_model = LinearRegression()
 
-# Pipeline oluştur
+
 pipe = Pipeline(steps=[('preprocessor', preprocess), ('model', my_model)])
 
-# Modeli eğit
+
 pipe.fit(x_train, y_train)
 
-# Tahmin yap ve model performansını değerlendir
+
 y_pred = pipe.predict(x_test)
 print('RMSE', mean_squared_error(y_test, y_pred) ** 0.5)
 print('R2', r2_score(y_test, y_pred))
 
-# Streamlit uygulaması
+
 st.title("II. El Araba Fiyatı Tahmin:red_car: @aysel_olcer")
 st.write('Arabanın özelliklerini seçiniz')
 
-# Kullanıcı girdilerini al
+
 make = st.selectbox('Marka', df['Make'].unique())
 model = st.selectbox('Model', df[df['Make'] == make]['Model'].unique())
 trim = st.selectbox('Trim', df[(df['Make'] == make) & (df['Model'] == model)]['Trim'].unique())
@@ -56,7 +54,7 @@ cruise = st.radio('Hız Sbt.', [True, False])
 sound = st.radio('Ses Sis.', [True, False])
 leather = st.radio('Deri döşemes.', [True, False])
 
-# Tahmin fonksiyonu
+
 def price(make, model, trim, mileage, car_type, cylinder, liter, doors, cruise, sound, leather):
     input_data = pd.DataFrame({
         'Make': [make],
@@ -74,7 +72,6 @@ def price(make, model, trim, mileage, car_type, cylinder, liter, doors, cruise,
     prediction = pipe.predict(input_data)[0]
     return prediction
 
-# Tahmin yapma butonu ve sonucu gösterme
 if st.button('Tahmin Et'):
     pred = price(make, model, trim, mileage, car_type, cylinder, liter, doors, cruise, sound, leather)
     st.write('Fiyat: $', round(pred, 2))