Update app.py

app.py

@@ -4,6 +4,12 @@ import numpy as np
 import matplotlib.pyplot as plt
 import pickle
 import os
+import warnings
+
+# Gereksiz uyarıları ve log kalabalığını gizle
+warnings.filterwarnings('ignore')
+os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
+
 from tensorflow.keras.models import load_model
 
 # Sayfa Yapılandırması
@@ -15,7 +21,7 @@ def load_assets():
     scaler_file = "scaler.pkl"
     
     if not os.path.exists(model_file) or not os.path.exists(scaler_file):
-        st.error("❌ Required files (model or scaler) are missing in the repository!")
+        st.error("❌ Required files (model or scaler) are missing!")
         st.stop()
         
     model = load_model(model_file)
@@ -30,49 +36,36 @@ except Exception as e:
     st.stop()
 
 # ==========================================
-# SIDEBAR / SOL PANEL (TÜM EKSİKLER GİDERİLDİ)
+# SIDEBAR / SOL PANEL
 # ==========================================
 with st.sidebar:
     st.markdown("<h2 style='color: #2980b9;'>📖 User Guide / Rehber</h2>", unsafe_allow_html=True)
     
-    # 1. NASIL YÜKLENMELİ?
-    st.markdown("### 📥 How to Upload? / Nasıl Yüklenmeli?")
     st.info("""
-    **CSV Format Example:**
+    **How to Upload? / Nasıl Yüklenmeli?**
+    CSV Format:
     | bookings |
     | :--- |
     | 120 |
     | 155 |
-    | 200 |
-    
-    *Please ensure the column name is 'bookings'.*
-    *Sütun adının 'bookings' olduğundan emin olun.*
     """)
     
     st.markdown("---")
     
-    # 2. BOOKING NEDİR?
     st.markdown("### ❓ What is 'Bookings'? / 'Bookings' Nedir?")
     st.write("""
-    **EN:** It represents the total number of reservations made on that specific day.
-    **TR:** O gün yapılan toplam rezervasyon sayısını temsil eder.
-    
-    **Example / Örnek:**
-    If value is **150**, it means 150 rooms were sold that day.
-    Değer **150** ise, o gün 150 oda satılmış demektir.
+    **EN:** Total daily reservations. (Example: 150 = 150 rooms sold)
+    **TR:** Günlük toplam rezervasyon. (Örnek: 150 = 150 oda satıldı)
     """)
 
     st.markdown("---")
     
-    # 3. YOĞUNLUK ARALIKLARI
     st.markdown("### 📊 Thresholds / Yoğunluk")
-    st.warning("**High Demand (Yoğun):**\nForecast > Average + 20%")
-    st.success("**Stable (Stabil):**\nForecast within normal range")
+    st.warning("**High Demand (Yoğun):**\n> Average + 20%")
+    st.success("**Stable (Stabil):**\nNormal range")
     
     st.markdown("---")
     
-    # 4. DOSYA YÜKLEME ALANI
-    st.markdown("### 🚀 Start Analysis / Analizi Başlat")
     file = st.file_uploader("Upload CSV / CSV Yükle", type=["csv"])
 
 # ==========================================
@@ -83,17 +76,17 @@ st.markdown("<h1 style='text-align: center;'>🏨 Hotel Demand Forecasting / Ote
 if file is not None:
     df = pd.read_csv(file)
     
-    # Analiz İşlemleri
+    # AI Tahmin İşlemleri
     raw_data = df[["bookings"]].values
     data_scaled = sc.transform(raw_data)
-    predictions_scaled = model.predict(data_scaled)
+    predictions_scaled = model.predict(data_scaled, verbose=0) # verbose=0 log kirliliğini önler
     predictions = sc.inverse_transform(predictions_scaled).flatten().astype(int)
 
     avg_val = int(predictions.mean())
     busy_limit = int(avg_val * 1.2)
     current_max = int(predictions.max())
 
-    # 1. METRİKLER (EN ÜSTTE)
+    # 1. METRİKLER
     st.markdown("---")
     c1, c2, c3 = st.columns(3)
     with c1:
@@ -108,28 +101,28 @@ if file is not None:
     # 2. YÖNETİM TAVSİYESİ
     st.markdown("---")
     st.markdown("<h3 style='text-align: center;'>👔 Management Advice / Yönetim Tavsiyesi</h3>", unsafe_allow_html=True)
-    advice_col_en, advice_col_tr = st.columns(2)
-    with advice_col_en:
+    adv_en, adv_tr = st.columns(2)
+    with adv_en:
         if current_max >= busy_limit:
-            st.warning("**High Demand Advice:** Peak days detected. We suggest increasing staff and checking room inventory.")
+            st.warning("**High Demand Advice:** Peak days detected. Increase staff.")
         else:
-            st.success("**Stable Demand Advice:** Demand is within normal range. Good time for maintenance.")
-    with advice_col_tr:
+            st.success("**Stable Demand Advice:** Demand is normal. Focus on maintenance.")
+    with adv_tr:
         if current_max >= busy_limit:
-            st.warning("**Yoğun Talep Tavsiyesi:** Zirve günler tespit edildi. Personel sayısını artırmayı ve envanteri kontrol etmeyi öneririz.")
+            st.warning("**Yoğun Talep Tavsiyesi:** Zirve günler tespit edildi. Personel artırın.")
         else:
-            st.success("**Stabil Talep Tavsiyesi:** Talep normal aralıkta. Bakım ve temizlik işleri için uygun zaman.")
+            st.success("**Stabil Talep Tavsiyesi:** Talep normal. Bakım işlerine odaklanılabilir.")
 
-    # 3. SONUÇ TABLOSU
+    # 3. SONUÇ TABLOSU (width='stretch' ile güncellendi)
     st.markdown("---")
     st.subheader("📋 Results Table / Sonuç Tablosu")
     result_df = pd.DataFrame({
         "Actual / Gerçek": raw_data.flatten(),
         "Predicted / Tahmin": predictions
     })
-    st.dataframe(result_df, use_container_width=True, height=250)
+    st.dataframe(result_df, width=None, height=250) # width=None otomatik stretch yapar
     
-    st.download_button("📥 Download Results / Sonuçları İndir", result_df.to_csv(index=False).encode('utf-8'), "hotel_results.csv", "text/csv")
+    st.download_button("📥 Download Results", result_df.to_csv(index=False).encode('utf-8'), "hotel_results.csv", "text/csv")
 
     # 4. GRAFİK
     st.markdown("---")
@@ -141,10 +134,10 @@ if file is not None:
     ax.legend(prop={'size': 8})
     st.pyplot(fig)
 
-    # 5. VERİ ÖN İZLEME (EN ALTTA)
+    # 5. VERİ ÖN İZLEME
     st.markdown("---")
-    st.subheader("📊 Data Preview / Veri Ön İzleme (Raw Data)")
-    st.dataframe(df, use_container_width=True, height=150)
+    st.subheader("📊 Data Preview / Veri Ön İzleme")
+    st.dataframe(df, width=None, height=150)
 
 else:
     st.warning("👈 Please upload a CSV file from the left panel. / Lütfen sol panelden bir CSV dosyası yükleyin.")