Upload 2 files

app (1).py

@@ -0,0 +1,77 @@
+import gradio as gr
+import numpy as np
+import pandas as pd
+import matplotlib.pyplot as plt
+
+# Dummy-Funktion zur Vorhersage des Apartmentpreises
+def predict_apartment(rooms, area, town):
+    # Basispreis und inkrementelle Berechnungen
+    base_price = 1000
+    price = base_price + rooms * 200 + area * 10
+    # Standortfaktor (Beispielwerte, können angepasst werden)
+    location_factor = {"Zürich": 1.5, "Kloten": 1.2, "Uster": 1.3, "Illnau-Effretikon": 1.1}
+    factor = location_factor.get(town, 1.0)
+    return price * factor
+
+# Funktion zur Erstellung eines Plots, der den Einfluss eines Features zeigt
+def visualize_influence(feature='area', fixed_rooms=3, fixed_town='Zürich'):
+    if feature == 'area':
+        x_values = np.linspace(30, 150, 50)  # Beispielbereich für Wohnfläche in qm
+    elif feature == 'rooms':
+        x_values = np.arange(1, 6)           # Beispielbereich für Zimmeranzahl
+    else:
+        return "Feature not supported"
+    
+    predictions = []
+    for x in x_values:
+        if feature == 'area':
+            price = predict_apartment(fixed_rooms, x, fixed_town)
+        elif feature == 'rooms':
+            price = predict_apartment(x, 100, fixed_town)  # Feste Wohnfläche von 100 qm
+        predictions.append(price)
+    
+    # Erstelle den Plot
+    fig, ax = plt.subplots(figsize=(8, 4))
+    ax.plot(x_values, predictions, marker='o')
+    ax.set_xlabel('Wohnfläche (qm)' if feature == 'area' else 'Zimmeranzahl')
+    ax.set_ylabel('Vorhergesagter Preis')
+    ax.set_title(f'Einfluss von {"Wohnfläche" if feature=="area" else "Zimmeranzahl"} auf den Preis')
+    ax.grid(True)
+    fig.tight_layout()
+    return fig
+
+# Wrapper-Funktion für Gradio, die die Visualisierung zurückgibt
+def gradio_visualization(feature, fixed_rooms, fixed_town):
+    return visualize_influence(feature, fixed_rooms, fixed_town)
+
+# Gradio-Interface für die Apartment-Preisvorhersage
+preis_interface = gr.Interface(
+    fn=predict_apartment,
+    inputs=[
+        gr.Number(label="Zimmeranzahl", value=3),
+        gr.Number(label="Wohnfläche (qm)", value=100),
+        gr.Dropdown(choices=["Zürich", "Kloten", "Uster", "Illnau-Effretikon"], label="Ort", value="Zürich")
+    ],
+    outputs=gr.Number(label="Vorhergesagter Preis"),
+    title="Apartment Preisvorhersage",
+    description="Gib die Anzahl der Zimmer, die Wohnfläche und den Ort ein, um den Apartmentpreis vorherzusagen."
+)
+
+# Gradio-Interface für die Visualisierung der Einflussfaktoren
+visual_interface = gr.Interface(
+    fn=gradio_visualization,
+    inputs=[
+        gr.Dropdown(choices=["area", "rooms"], label="Feature auswählen", value="area"),
+        gr.Number(label="Zimmeranzahl (fest)", value=3),
+        gr.Dropdown(choices=["Zürich", "Kloten", "Uster", "Illnau-Effretikon"], label="Ort (fest)", value="Zürich")
+    ],
+    outputs=gr.Plot(label="Einflussfaktoren-Visualisierung"),
+    title="Einflussfaktoren-Visualisierung",
+    description="Visualisiere, wie sich Wohnfläche oder Zimmeranzahl auf den vorhergesagten Preis auswirken."
+)
+
+# Beide Interfaces in einem TabbedInterface zusammenführen
+tabs = gr.TabbedInterface([preis_interface, visual_interface], ["Preisvorhersage", "Visualisierung"])
+
+if __name__ == "__main__":
+    tabs.launch()

requirements.txt

@@ -0,0 +1,5 @@
+gradio
+numpy
+pandas
+matplotlib
+scikit-learn