File size: 2,341 Bytes
aace717 5ed7ddb aace717 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 | import gradio as gr
import pandas as pd
import numpy as np
import xgboost as xgb
import joblib
def execute(FONTE, IDADE, DF, X, Y, ATOTAL, ANO_2019, ANO_2020, ANO_2021, ANO_2022):
df = pd.DataFrame.from_dict({'FONTE': [FONTE],
'IDADE': [IDADE],
'DF': [DF],
'X': [X],
'Y': [Y],
'ATOTAL': np.log([ATOTAL]),
'ANO_2019': [ANO_2019],
'ANO_2020': [ANO_2020],
'ANO_2021': [ANO_2021],
'ANO_2022': [ANO_2022],
})
input_scaler = joblib.load("dados/boxes/input_scaler_boxes_2022.save")
df = input_scaler.transform(df)
cols = ['FONTE', 'IDADE', 'DF', 'X', 'Y', 'ATOTAL', 'ANO_2019', 'ANO_2020', 'ANO_2021', 'ANO_2022']
aval = pd.DataFrame(df, columns = cols)
df = xgb.DMatrix(aval)
loaded_model = xgb.Booster()
loaded_model.load_model("dados/boxes/boxes_2020_2021_2022_2023_lean.model")
pred = loaded_model.predict(df)
output_scaler = joblib.load("dados/boxes/output_scaler_boxes_2022.save")
pred = output_scaler.inverse_transform(np.array(pred).reshape(-1,1))
pred = np.exp(pred).tolist()
return f"""R${round(pred[0][0], -2)}"""
def load_inputs():
# 'default' virou 'value' e 'gr.inputs.Number' virou 'gr.Number'
FONTE = gr.Number(value=0, label='Fonte: 0 - Transação | 1 - Oferta')
ATOTAL = gr.Number(value=15.0, label='Área Total')
DF = gr.Number(value=1, label='Divisão Fiscal (1, 2 ou 3)')
IDADE = gr.Number(value=1, label='Idade do imóvel (Ano Base: 2022)')
ANO_2019 = gr.Number(value=0, label='Ano 2019')
ANO_2020 = gr.Number(value=0, label='Ano 2020')
ANO_2021 = gr.Number(value=0, label='Ano 2021')
ANO_2022 = gr.Number(value=1, label='Ano 2022')
Y = gr.Number(value=1.672718e+06, label='Latitude (SIRGAS 2000)')
X = gr.Number(value=282122.159663, label='Longitude (SIRGAS 2000)')
return [FONTE, IDADE, DF, X, Y, ATOTAL, ANO_2019, ANO_2020, ANO_2021, ANO_2022]
output_label = "Valor do imóvel (R$)"
title = 'Venda - Boxes de estacionamento'
description = '7.173 dados de Janeiro de 2019 a Outubro de 2022'
|