# 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("""

کاتب

هوش مصنوعی پیش‌بینی قیمت مسکن تهران

۸۱,۰۰۰ آگهی واقعی دیوار ۱۴۰۴

""") 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()