| import streamlit as st |
| import pickle |
| import numpy as np |
| import pandas as pd |
| import os |
|
|
| |
| feature_info = { |
| "person_home_ownership_encoded": { |
| "label": "Ev Sahipliği Durumu (0: Kiracı, 1: Ev sahibi, 2: Diğer)", |
| "min": 0, "max": 2, "value": 0, |
| "help": "Kişinin ev sahipliği durumu (0: Kiracı, 1: Ev sahibi, 2: Diğer)" |
| }, |
| "loan_int_rate": { |
| "label": "Kredi Faiz Oranı (%)", |
| "min": 0.0, "max": 40.0, "value": 5.0, |
| "help": "Kredinin faiz oranı. Yüzde olarak girin." |
| }, |
| "loan_percent_income": { |
| "label": "Kredi/Gelir Oranı (%)", |
| "min": 0.0, "max": 100.0, "value": 30.0, |
| "help": "Kredi miktarının gelire oranı, yüzde olarak." |
| }, |
| "loan_grade_encoded": { |
| "label": "Kredi Notu (0: A, 1: B, ..., 6: G, 7: Diğer)", |
| "min": 0, "max": 7, "value": 0, |
| "help": "Kredi notu kategorisi (0: A, 1: B, ..., 6: G, 7: Diğer)" |
| }, |
| "int_income_ratio": { |
| "label": "Faiz/Gelir Oranı", |
| "min": 0.0, "max": 5.0, "value": 1.0, |
| "help": "Faiz oranının gelire oranı." |
| }, |
| "grade_default_interaction": { |
| "label": "Not & Temerrüt Etkileşimi (0-3)", |
| "min": 0, "max": 3, "value": 0, |
| "help": "Kredi notu ile temerrüt etkileşimi." |
| }, |
| "high_percent_income": { |
| "label": "Yüksek Gelir Oranı (0: Hayır, 1: Evet)", |
| "min": 0, "max": 1, "value": 0, |
| "help": "Kredi/giriş oranı yüksek mi? (0: Hayır, 1: Evet)" |
| }, |
| "high_int_rate": { |
| "label": "Yüksek Faiz Oranı (0: Hayır, 1: Evet)", |
| "min": 0, "max": 1, "value": 0, |
| "help": "Faiz oranı yüksek mi? (0: Hayır, 1: Evet)" |
| }, |
| "loan_to_income": { |
| "label": "Kredi / Gelir Oranı", |
| "min": 0.0, "max": 2.0, "value": 1.0, |
| "help": "Kredi tutarının gelirine oranı." |
| } |
| } |
|
|
| |
| model_path = "src/loan.pkl" |
| if not os.path.exists(model_path): |
| st.error(f"Model dosyası bulunamadı: {model_path}") |
| st.stop() |
|
|
| with open(model_path, "rb") as file: |
| model, feature_names = pickle.load(file) |
|
|
| st.title("Loan Approval Prediction App") |
| st.markdown("Aşağıdaki bilgileri doldurun, başvurunuzun onaylanıp onaylanmayacağını tahmin edelim.") |
|
|
| user_input = [] |
| for feat in feature_names: |
| info = feature_info.get(feat, {}) |
| if "min" in info and "max" in info: |
| if isinstance(info["value"], int): |
| value = st.number_input( |
| info.get("label", feat), |
| min_value=info["min"], max_value=info["max"], value=info["value"], |
| help=info.get("help", "") |
| ) |
| else: |
| value = st.number_input( |
| info.get("label", feat), |
| min_value=float(info["min"]), max_value=float(info["max"]), value=float(info["value"]), |
| help=info.get("help", "") |
| ) |
| else: |
| value = st.number_input(feat, value=0.0) |
| user_input.append(value) |
|
|
| if st.button("Tahmin Et"): |
| X = pd.DataFrame([user_input], columns=feature_names) |
| prediction = model.predict(X)[0] |
| if prediction == 1: |
| st.success("🟢 **Tebrikler, Kredi Başvurunuz Onaylandı!**") |
| else: |
| st.error("🔴 **Üzgünüz, Başvurunuz Onaylanmadı.**") |
|
|
