# app.py - کاتب 2025 Edition — تم خفن، سریع و بدون ارور
import gradio as gr
from catboost import CatBoostRegressor
# لود مدل (26 مگ = فوق سریع)
model = CatBoostRegressor()
model.load_model("kaatib_v8_optimized.cbm")
def predict(area_type, area, rooms, neighborhood, elevator, parking, warehouse, age):
effective_area = area if area_type == "متراژ مفید (معمول در دیوار)" else area * 0.87
pred = model.predict([[
effective_area,
__import__("numpy").log1p(effective_area),
rooms, age, 1 if age <= 5 else 0,
neighborhood.strip(), int(elevator), int(parking), int(warehouse)
]])[0] / 1_000_000_000
return f"""
{pred:.2f} میلیارد تومان
رنج واقعی بازار: {(pred*0.88):.2f} – {(pred*1.15):.2f} میلیارد
"""
# تم 2025 — سفید + نئون طلایی
css = """
"""
with gr.Blocks(css=css, title="کاتب 2025 - قیمت آپارتمان تهران") as app:
gr.HTML(css)
gr.HTML("""
""")
with gr.Row():
area_type = gr.Radio(["متراژ مفید (معمول در دیوار)", "متراژ سندی"],
value="متراژ مفید (معمول در دیوار)", label="نوع متراژ")
with gr.Row():
area = gr.Slider(40, 450, 90, step=1, label="متراژ")
rooms = gr.Dropdown([1,2,3,4,5,6], value=3, label="تعداد خواب")
neighborhood = gr.Textbox(placeholder="مثل: سعادت آباد، نیاوران، پونک، جردن...", label="محله")
with gr.Row():
elevator = gr.Checkbox(label="آسانسور", value=True)
parking = gr.Checkbox(label="پارکینگ", value=True)
warehouse = gr.Checkbox(label="انباری", value=True)
age = gr.Slider(0, 50, 8, step=1, label="سن بنا (سال)")
gr.Button("پیشبینی قیمت", variant="primary").click(
predict,
inputs=[area_type, area, rooms, neighborhood, elevator, parking, warehouse, age],
outputs=gr.Markdown()
)
gr.HTML("""
ساخته شده با افتخار در ایران
""")
app.launch()