Update app.py

app.py

@@ -1,4 +1,32 @@
+import pandas as pd
+import joblib
 import gradio as gr
+from sklearn.preprocessing import OneHotEncoder
+from sklearn.impute import SimpleImputer
+
+# Modeli, encoder'ı ve imputer'ı yükleme
+logreg_model = joblib.load('logreg_model.pkl')
+rf_model = joblib.load('rf_model.pkl')
+encoder = joblib.load('encoder.pkl')
+imputer = joblib.load('imputer.pkl')
+
+# Veri setini yükleme ve ön işleme fonksiyonu
+def load_and_preprocess(csv_file_path):
+    df = pd.read_csv(csv_file_path)
+    df.fillna({"paymentMethod": "UNKNOWN"}, inplace=True)
+    df["paymentMethod"] = df["paymentMethod"].map({
+        "creditcard": 1,
+        "paypal": 2,
+        "storecredit": 3,
+        "UNKNOWN": 0
+    })
+    return df
+
+# payment_fraud.csv dosyasını yükle
+data = load_and_preprocess("payment_fraud.csv")
+
+# Kategorik sütunları tanımla
+categorical_cols = ['paymentMethod']
 
 # Gradio Arayüzü Fonksiyonu
 def fraud_detection(accountAgeDays, numItems, localTime, paymentMethod, paymentMethodAgeDays):
@@ -31,8 +59,8 @@ def fraud_detection(accountAgeDays, numItems, localTime, paymentMethod, paymentM
     rf_prediction = rf_model.predict(input_data)[0]
 
     # Sonuçları formatlama
-    logreg_result = "Şüpheli İşlem" if logreg_prediction == 0 else "Normal"
-    rf_result = "Şüpheli İşlem" if rf_prediction == 0 else "Normal"
+    logreg_result = "Sahtekarlık Değil" if logreg_prediction == 0 else "Sahtekarlık"
+    rf_result = "Sahtekarlık Değil" if rf_prediction == 0 else "Sahtekarlık"
 
     return f"Logistic Regression: {logreg_result}\nRandom Forest: {rf_result}"