File size: 2,975 Bytes
d5c6676 23be820 be97bec 23be820 05f0176 23be820 be97bec 23be820 05f0176 23be820 05f0176 23be820 05f0176 23be820 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 |
import streamlit as st
import pickle
import numpy as np
import os
st.title('İçe Dönük (Introvert) mü Dışa Dönük (Extrovert) mü Olduğunuzu Tahmin Eden Model :bust_in_silhouette:')
st.markdown("""
Bu model, aşağıdaki davranışsal özelliklerinize göre sizi **introvert** (içe dönük) veya **extrovert** (dışa dönük) olarak tahmin eder.
""")
MODEL_PATH = "src/behv.pkl" # src klasörü içindeki dosya yolu
# Dosya var mı kontrol et
if not os.path.isfile(MODEL_PATH):
st.error(f"Model dosyası '{MODEL_PATH}' bulunamadı! Klasördeki dosyalar: {os.listdir('src')}")
st.stop()
# Dosyayı yükle
with open(MODEL_PATH, 'rb') as file:
model, feature_names = pickle.load(file)
st.header("Lütfen aşağıdaki alanları doldurun:")
inputs = []
inputs.append(st.number_input('Time spent Alone (Saat)', min_value=0.0, max_value=24.0, value=1.0, step=1.0,
help="Günde yalnız başına geçirdiğiniz saat ortalaması"))
inputs.append(st.number_input('Stage fear (1=Evet, 0=Hayır)', min_value=0.0, max_value=1.0, value=0.0, step=1.0,
help="Topluluk/kalabalık karşısında heyecan, çekingenlik veya korku yaşıyor musunuz?"))
inputs.append(st.number_input('Social event attendance', min_value=0.0, max_value=10.0, value=1.0, step=1.0,
help="Bir ayda katıldığınız sosyal etkinlik (toplantı, buluşma vb.) sayısı"))
inputs.append(st.number_input('Going outside', min_value=0.0, max_value=10.0, value=1.0, step=1.0,
help="Bir haftada dışarıya (ör: parka, kafeye, alışverişe) çıkma sıklığınız"))
inputs.append(st.number_input('Drained after socializing (1=Evet, 0=Hayır)', min_value=0.0, max_value=1.0, value=0.0, step=1.0,
help="Sosyalleştikten sonra kendinizi yorgun ve enerjisiz hissediyor musunuz?"))
inputs.append(st.number_input('Friends circle size', min_value=0.0, max_value=20.0, value=1.0, step=1.0,
help="Yakın arkadaş çevrenizdeki kişi sayısı"))
inputs.append(st.number_input('Post frequency', min_value=0.0, max_value=10.0, value=1.0, step=1.0,
help="Bir ayda sosyal medyada gönderi paylaşma sıklığınız"))
if st.button('Tahmin Et'):
input_array = np.array([inputs])
prediction = model.predict(input_array)
# Eğer çıktı [ [sayı] ] gibi ise aç
if hasattr(prediction, '__len__'):
output = prediction[0]
if hasattr(output, '__len__'):
output = output[0]
else:
output = prediction
# 0: Introvert, 1: Extrovert
label_map = {0: "Introvert (İçe dönük)", 1: "Extrovert (Dışa dönük)"}
try:
class_idx = int(round(output))
result = label_map.get(class_idx, f"Bilinmeyen sınıf ({output})")
except Exception:
result = f"Bilinmeyen sonuç: {output}"
st.success(f"Tahmin sonucu: {result}")
|