Upload 2 files

app.py

@@ -1,16 +1,8 @@
 # app.py
-# Hugging Face Space (Gradio) - Formulario numérico + GIF + fuentes
-#
-# Coloca estos archivos en el repo del Space (misma carpeta que app.py):
-# - rf_win_model.pkl
-# - input_schema.json
-# - model_metadata.json
-# - faker.gif
-# - requirements.txt
-#
-# Nota: para que el GIF se anime, se usa gr.HTML con <img src="file=faker.gif">.
+# Gradio Space: formulario numérico + GIF embebido (base64) + créditos
 
 import json
+import base64
 import joblib
 import pandas as pd
 import gradio as gr
@@ -18,10 +10,28 @@ import gradio as gr
 MODEL_PKL = "rf_win_model.pkl"
 SCHEMA_JSON = "input_schema.json"
 META_JSON = "model_metadata.json"
+GIF_PATH = "faker.gif"
 
-# Si True: recorta inputs al rango observado min-max antes de predecir
 CLIP_TO_OBSERVED = True
 
+# -------------------------
+# Helpers
+# -------------------------
+def gif_data_uri(path: str) -> str:
+    """
+    Devuelve un data URI base64 para un GIF local.
+    Si el archivo no existe, devuelve string vacío.
+    """
+    try:
+        with open(path, "rb") as f:
+            b64 = base64.b64encode(f.read()).decode("utf-8")
+        return f"data:image/gif;base64,{b64}"
+    except FileNotFoundError:
+        return ""
+
+def fmt_int(x: float) -> str:
+    return f"{int(round(x))}"
+
 # -------------------------
 # Load artifacts
 # -------------------------
@@ -36,7 +46,6 @@ with open(META_JSON, "r", encoding="utf-8") as f:
 FEATURES = meta["features_order"]
 feat_map = {f["name"]: f for f in schema["features"]}
 
-# Etiquetas humanas
 UI_LABELS = {
     "TeamTotalGold": "Oro total del equipo",
     "TeamXp": "Experiencia total del equipo",
@@ -48,16 +57,12 @@ UI_LABELS = {
     "TeamControlWardsPlaced": "Wards de control colocados",
 }
 
-# Agrupar inputs para UI
 GROUPS = {
     "Economía y pelea": ["TeamTotalGold", "TeamXp", "TeamTotalKills"],
     "Objetivos": ["TeamDragonKills", "TeamHeraldKills", "TeamTurretPlatesDestroyed"],
     "Visión": ["TeamWardsPlaced", "TeamControlWardsPlaced"],
 }
 
-def fmt_int(x: float) -> str:
-    return f"{int(round(x))}"
-
 def reset_values():
     return [float(feat_map[c]["ui_default"]) for c in FEATURES]
 
@@ -117,13 +122,12 @@ def predict(*vals):
     return proba, verdict, warn_text
 
 # -------------------------
-# Build inputs (gr.Number) con rango en label, sin min/max
+# Build inputs (Number) con rangos en label (sin min/max)
 # -------------------------
 input_components_by_col = {}
 
 for col in FEATURES:
     info = feat_map[col]
-
     rec_min = float(info["p05"])
     rec_max = float(info["p95"])
     obs_min = float(info["min"])
@@ -176,10 +180,20 @@ CSS = """
 
 theme = gr.themes.Soft()
 
-with gr.Blocks(css=CSS, theme=theme, title="Predicción de victoria (demo)") as demo:
-    with gr.Column(elem_id="wrap"):
+gif_uri = gif_data_uri(GIF_PATH)
+gif_html = f"""
+<div class="gifbox">
+  {"<img src='" + gif_uri + "' alt='Faker GIF'>" if gif_uri else "<div class='muted'>No se encontró faker.gif en el repo.</div>"}
+  <div class="muted" style="margin-top:8px;">
+    Fuente del GIF:
+    <a href="https://thegamehaus.com/league-of-legends/league-of-legends-faker-history-of-success/2019/04/14/"
+       target="_blank" rel="noopener noreferrer">TheGameHaus (2019)</a>
+  </div>
+</div>
+""".strip()
 
-        # Header con GIF a la derecha
+with gr.Blocks(title="Predicción de victoria (demo)") as demo:
+    with gr.Column(elem_id="wrap"):
         with gr.Row():
             with gr.Column(scale=3):
                 gr.Markdown(
@@ -189,26 +203,12 @@ Formulario para estimar probabilidad de ganar a partir de métricas del equipo e
                     """.strip()
                 )
                 gr.Markdown(
-                    "<div class='small'>Ingresa valores y presiona <b>Predecir</b>. Si te sales de rangos típicos, la app te avisa (y puede ajustar al rango observado).</div>"
+                    "<div class='small'>Ingresa valores y presiona Predecir. Si te sales de rangos típicos, la app te avisa (y puede ajustar al rango observado).</div>"
                 )
-
             with gr.Column(scale=2):
-                gr.HTML(
-                    """
-<div class="gifbox">
-  <img src="file=faker.gif" alt="Faker GIF">
-  <div class="muted" style="margin-top:8px;">
-    Fuente del GIF:
-    <a href="https://thegamehaus.com/league-of-legends/league-of-legends-faker-history-of-success/2019/04/14/" target="_blank" rel="noopener noreferrer">
-      TheGameHaus (2019)
-    </a>
-  </div>
-</div>
-                    """.strip()
-                )
+                gr.HTML(gif_html)
 
         with gr.Row():
-            # Inputs
             with gr.Column(scale=3):
                 with gr.Column(elem_classes="card"):
                     gr.Markdown("## Ingresa los valores de cada variable")
@@ -222,7 +222,6 @@ Formulario para estimar probabilidad de ganar a partir de métricas del equipo e
                     btn_predict = gr.Button("Predecir", variant="primary")
                     btn_reset = gr.Button("Restaurar valores típicos", variant="secondary")
 
-            # Outputs
             with gr.Column(scale=2):
                 with gr.Column(elem_classes="card"):
                     gr.Markdown("## Resultado")
@@ -236,9 +235,8 @@ Formulario para estimar probabilidad de ganar a partir de métricas del equipo e
                         """
 <div class="small">
 El modelo fue entrenado con el dataset de Kaggle:
-<a href="https://www.kaggle.com/datasets/karlorusovan/league-of-legends-soloq-matches-at-10-minutes-2024/data" target="_blank" rel="noopener noreferrer">
-League of Legends SoloQ Matches at 10 Minutes (2024)
-</a>.
+<a href="https://www.kaggle.com/datasets/karlorusovan/league-of-legends-soloq-matches-at-10-minutes-2024/data"
+target="_blank" rel="noopener noreferrer">League of Legends SoloQ Matches at 10 Minutes (2024)</a>.
 </div>
                         """.strip()
                     )
@@ -255,4 +253,4 @@ League of Legends SoloQ Matches at 10 Minutes (2024)
             outputs=inputs_in_order,
         )
 
-demo.launch()
+demo.launch(css=CSS, theme=theme, ssr_mode=False)

requirements.txt

@@ -1,6 +1,6 @@
 gradio
 pandas
 numpy
-scikit-learn
+scikit-learn==1.4.2
 joblib
 openpyxl