Update app.py

app.py

@@ -0,0 +1,78 @@
+from fastapi import FastAPI, HTTPException
+from pydantic import BaseModel
+import joblib
+import pandas as pd
+from fastapi.middleware.cors import CORSMiddleware
+
+# 1. Uygulamayı Başlat
+app = FastAPI(title="Credit Risk API", description="Kredi Risk Tahmin Modeli Servisi")
+
+# 2. CORS Ayarları (Frontend'in bu API'ye erişebilmesi için gerekli)
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],  # Güvenlik için gerçek projede sadece frontend URL'ini yazın
+    allow_credentials=True,
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+# 3. Eğitilmiş Modeli Yükle
+try:
+    model = joblib.load('credit_risk_model.pkl')
+    print("Model başarıyla yüklendi.")
+except Exception as e:
+    print(f"Model yüklenirken hata oluştu: {e}")
+    # Hata durumunda boş bir model değişkeni (Uygulama çökmesin diye)
+    model = None
+
+# 4. Veri Modeli (Frontend'den beklenen veri formatı)
+# Buradaki isimler CSV'deki kolon isimleriyle birebir aynı olmalı.
+class LoanApplication(BaseModel):
+    person_age: int
+    person_income: float
+    person_home_ownership: str  # Örn: RENT, OWN, MORTGAGE
+    person_emp_length: float
+    loan_intent: str            # Örn: EDUCATION, MEDICAL, VENTURE
+    loan_grade: str             # Örn: A, B, C, D
+    loan_amnt: float
+    loan_int_rate: float
+    loan_percent_income: float
+    cb_person_default_on_file: str # Y veya N
+    cb_person_cred_hist_length: int
+
+# 5. Ana Sayfa (Health Check)
+@app.get("/")
+def read_root():
+    return {"message": "Credit Risk API Çalışıyor! /docs adresine giderek test edebilirsin."}
+
+# 6. Tahmin Endpoint'i
+@app.post("/predict")
+def predict_risk(data: LoanApplication):
+    if not model:
+        raise HTTPException(status_code=500, detail="Model yüklenemedi, sunucu hatası.")
+
+    # Gelen veriyi (JSON) Pandas DataFrame'e çevir
+    # Çünkü modelimiz (Pipeline) DataFrame bekliyor.
+    input_df = pd.DataFrame([data.dict()])
+
+    try:
+        # Tahmin Yap
+        prediction = model.predict(input_df)[0]        # 0 veya 1 döner
+        probability = model.predict_proba(input_df)[0][1] # 1 olma (Batık) ihtimali
+
+        # Sonucu Hazırla
+        result = {
+            "prediction": int(prediction),
+            "risk_score": round(float(probability), 4),
+            "risk_status": "Yüksek Risk (Red)" if prediction == 1 else "Düşük Risk (Onay)",
+            "risk_percentage": f"%{round(probability * 100, 2)}"
+        }
+        return result
+
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Tahmin sırasında hata: {str(e)}")
+
+# Bu dosya 'python main.py' ile çalıştırılırsa uvicorn'u tetikle
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="127.0.0.1", port=8000)