Update app.py

app.py

@@ -1,75 +1,85 @@
-import streamlit as st
-import os
-import platform
-import zipfile
-
-# --- 1. WINDOWS HATA ENGELLEYİCİ (EN ÜSTTE OLMALI) ---
-if platform.system() == "Windows":
-    os.environ['PYSPARK_PYTHON'] = "python"
-    os.environ['PYSPARK_DRIVER_PYTHON'] = "python"
-
-from pyspark.sql import SparkSession
-from pyspark.ml.feature import VectorAssembler
-from pyspark.ml.classification import LogisticRegressionModel
-
-# --- 2. ZIP VE DOSYA YOLLARI ---
-current_dir = os.path.dirname(os.path.abspath(__file__))
-model_path = os.path.join(current_dir, "heart_model")
-zip_path = os.path.join(current_dir, "heart_model.zip")
-
-# Klasör yoksa ama zip varsa klasöre çıkart
-if not os.path.exists(model_path) and os.path.exists(zip_path):
-    try:
-        with zipfile.ZipFile(zip_path, 'r') as zip_ref:
-            zip_ref.extractall(current_dir) # DİKKAT: zip'in içindeki klasör yapısı önemli
-    except Exception as e:
-        st.error(f"Zip dosyası açılırken hata: {e}")
-
-# --- 3. KRİTİK SPARK OTURUMU (HATA BYPASS EDİCİ) ---
-@st.cache_resource
-def get_spark():
-    builder = SparkSession.builder.appName("HeartApp")
-    
-    if platform.system() == "Windows":
-        # Windows'ta dosya erişim hatasını (NativeIO) susturan ayarlar
-        return builder.master("local[1]") \
-            .config("spark.driver.host", "127.0.0.1") \
-            .config("spark.hadoop.fs.file.impl", "org.apache.hadoop.fs.RawLocalFileSystem") \
-            .config("spark.hadoop.fs.permission.check", "false") \
-            .getOrCreate()
-    else:
-        # Hugging Face (Linux) ayarları
-        return builder.master("local[*]").getOrCreate()
-
-spark = get_spark()
-
-# --- 4. MODEL YÜKLEME ---
-@st.cache_resource
-def load_heart_model():
-    # Model yolu kontrolü
-    if os.path.exists(model_path):
-        try:
-            return LogisticRegressionModel.load(model_path)
-        except Exception as e:
-            # Buradaki hata hala geliyorsa Spark dosyayı bulamıyor demektir
-            st.error(f"Spark Hatası: {e}")
-            return None
-    return None
-
-model = load_heart_model()
-
-# --- 5. ARAYÜZ ---
-st.set_page_config(page_title="Kalp Analizi", layout="wide")
-st.title("🫀 Kalp Hastalığı Risk Analizi")
-
-if model is None:
-    st.error("❌ Model hala yüklenemedi!")
-    st.info("⚠️ Lütfen şu adımı kontrol et: VS Code sol tarafta 'heart_model' klasörünün içine bak. "
-            "Eğer içinde direkt 'data' ve 'metadata' klasörlerini görmüyorsan Spark yükleme yapamaz.")
-    st.code(f"Şu yolu kontrol et: {model_path}")
-else:
-    # Form ve tahmin kısmı buraya gelecek
-    st.success("✅ Model başarıyla bağlandı!")
-    with st.form("input_form"):
-        # (Önceki form kodlarını buraya ekleyebilirsin)
-        submit = st.form_submit_button("Tahmin Et")
+import streamlit as st
+import os
+
+# --- JAVA VE ÇEVRESEL AYARLAR ---
+# Hugging Face (Debian tabanlı) üzerinde Java'nın varsayılan yolu budur
+os.environ["JAVA_HOME"] = "/usr/lib/jvm/java-17-openjdk-amd64"
+
+from pyspark.sql import SparkSession
+from pyspark.ml.classification import LogisticRegressionModel
+from pyspark.ml.feature import VectorAssembler
+
+# --- SAYFA AYARLARI ---
+st.set_page_config(page_title="Kalp Hastalığı Tahmini", page_icon="🫀")
+st.title("🫀 Kalp Hastalığı Risk Tahmini")
+st.markdown("Spark MLlib kullanılarak geliştirilmiş makine öğrenmesi modelidir.")
+
+# --- SPARK OTURUMU BAŞLATMA ---
+@st.cache_resource
+def get_spark():
+    return SparkSession.builder \
+        .appName("HeartDiseasePredictor") \
+        .master("local[*]") \
+        .getOrCreate()
+
+spark = get_spark()
+
+# --- MODELİ YÜKLEME ---
+@st.cache_resource
+def load_heart_model():
+    # heart_model klasörünün içindeki data ve metadata'yı okur
+    model_path = "heart_model"
+    return LogisticRegressionModel.load(model_path)
+
+try:
+    model = load_heart_model()
+    st.success("✅ Model başarıyla yüklendi!")
+except Exception as e:
+    st.error(f"❌ Model yükleme hatası: {e}")
+    st.info("Lütfen 'heart_model' klasörünün ve içindeki 'data'/'metadata' klasörlerinin doğru yüklendiğinden emin olun.")
+
+# --- KULLANICI GİRİŞ ALANLARI ---
+st.sidebar.header("Hasta Verilerini Girin")
+
+def user_input_features():
+    age = st.sidebar.number_input("Yaş", 1, 120, 50)
+    sex = st.sidebar.selectbox("Cinsiyet (1: Erkek, 0: Kadın)", [1, 0])
+    cp = st.sidebar.selectbox("Göğüs Ağrısı Tipi (0-3)", [0, 1, 2, 3])
+    trestbps = st.sidebar.number_input("Dinlenme Kan Basıncı", 50, 250, 120)
+    chol = st.sidebar.number_input("Kolesterol", 100, 600, 200)
+    fbs = st.sidebar.selectbox("Açlık Kan Şekeri > 120 (1: Evet, 0: Hayır)", [0, 1])
+    restecg = st.sidebar.selectbox("Dinlenme EKG Sonucu (0-2)", [0, 1, 2])
+    thalach = st.sidebar.number_input("Maksimum Kalp Atış Hızı", 50, 250, 150)
+    exang = st.sidebar.selectbox("Egzersize Bağlı Anjin (1: Evet, 0: Hayır)", [0, 1])
+    oldpeak = st.sidebar.number_input("Oldpeak", 0.0, 10.0, 1.0)
+    slope = st.sidebar.selectbox("Slope (0-2)", [0, 1, 2])
+    ca = st.sidebar.selectbox("Renkli Damar Sayısı (0-4)", [0, 1, 2, 3, 4])
+    thal = st.sidebar.selectbox("Thal (0-3)", [0, 1, 2, 3])
+    
+    data = {
+        'age': age, 'sex': sex, 'cp': cp, 'trestbps': trestbps, 'chol': chol,
+        'fbs': fbs, 'restecg': restecg, 'thalach': thalach, 'exang': exang,
+        'oldpeak': oldpeak, 'slope': slope, 'ca': ca, 'thal': thal
+    }
+    return spark.createDataFrame([data])
+
+input_df = user_input_features()
+
+# --- TAHMİN BÖLÜMÜ ---
+if st.button("Tahmin Et"):
+    # Modelin eğitildiği sütun sırasıyla vektör oluşturma
+    feature_cols = ['age', 'sex', 'cp', 'trestbps', 'chol', 'fbs', 'restecg', 'thalach', 'exang', 'oldpeak', 'slope', 'ca', 'thal']
+    assembler = VectorAssembler(inputCols=feature_cols, outputCol="features")
+    final_data = assembler.transform(input_df)
+    
+    prediction = model.transform(final_data)
+    result = prediction.select("prediction").collect()[0][0]
+    probability = prediction.select("probability").collect()[0][0]
+
+    if result == 1.0:
+        st.error(f"⚠️ Sonuç: Kalp Hastalığı Riski YÜKSEK! (Olasılık: %{round(probability[1]*100, 2)})")
+    else:
+        st.success(f"💚 Sonuç: Kalp Hastalığı Riski Düşük. (Olasılık: %{round(probability[0]*100, 2)})")
+
+st.divider()
+st.caption("Not: Bu uygulama sadece eğitim amaçlıdır, tıbbi tavsiye yerine geçmez.")