import streamlit as st
import pandas as pd
import joblib
from catboost import CatBoostClassifier

st.set_page_config(
    page_title="Müşteri Satın Alma Niyeti Tahmini",
    page_icon="🛒",
    layout="centered"
)

model = CatBoostClassifier()
model.load_model("src/purchase_intent_model.cbm")

feature_columns = joblib.load("src/feature_columns.pkl")
cat_features = joblib.load("src/cat_features.pkl")

st.title("🛒 Müşteri Satın Alma Niyeti Tahmini")

st.write(
    "Bu uygulama, müşteri ve satış süreci bilgilerine göre müşterinin satın alma "
    "olasılığını tahmin eder."
)

st.info(
    "Model, CatBoost algoritması ile eğitilmiştir. Tahmin sonucu eğitim ve portföy "
    "amacıyla sunulmaktadır."
)

st.sidebar.header("Müşteri ve Satış Bilgileri")

start_date = st.sidebar.date_input("Başlangıç Tarihi")
end_date = st.sidebar.date_input("Bitiş Tarihi")

estimated_win_rate = st.sidebar.slider(
    "Tahmini Kazanma Oranı",
    min_value=0.0,
    max_value=1.0,
    value=0.50,
    step=0.01
)

price = st.sidebar.number_input("Fiyat", min_value=0.0, value=10000.0)
unit_number = st.sidebar.number_input("Ürün Adedi", min_value=1, value=1)

input_data = {}

for col in feature_columns:
    if col in ["Estimated Win Rate", "Price", "Unit Number"]:
        continue
    elif col == "journey_days":
        input_data[col] = (pd.to_datetime(end_date) - pd.to_datetime(start_date)).days
    elif col == "start_year":
        input_data[col] = pd.to_datetime(start_date).year
    elif col == "start_month":
        input_data[col] = pd.to_datetime(start_date).month
    elif col == "start_quarter":
        input_data[col] = pd.to_datetime(start_date).quarter
    elif col == "price_per_unit":
        input_data[col] = price / unit_number
    elif col in cat_features:
        input_data[col] = st.sidebar.text_input(col, value="Unknown")
    else:
        input_data[col] = st.sidebar.number_input(col, value=0.0)

input_data["Estimated Win Rate"] = estimated_win_rate
input_data["Price"] = price
input_data["Unit Number"] = unit_number

input_df = pd.DataFrame([input_data])
input_df = input_df[feature_columns]

st.subheader("Girilen Değerler")
st.dataframe(input_df)

if st.button("Satın Alma Olasılığını Tahmin Et"):
    probability = model.predict_proba(input_df)[0, 1]

    st.subheader("Tahmin Sonucu")
    st.metric("Satın Alma Olasılığı", f"%{probability * 100:.2f}")
    st.progress(float(probability))

    if probability >= 0.70:
        st.success("Yüksek satın alma olasılığı: Bu müşteri güçlü bir potansiyel alıcı olarak değerlendirilebilir.")
    elif probability >= 0.40:
        st.warning("Orta düzey satın alma olasılığı: Bu müşteri için takip ve ek pazarlama çalışmaları faydalı olabilir.")
    else:
        st.error("Düşük satın alma olasılığı: Bu müşteri için satın alma ihtimali zayıf görünmektedir.")

st.caption(
    "Bu uygulama eğitim ve portföy amacıyla hazırlanmıştır. Gerçek iş kararlarında "
    "ek analizler ve uzman değerlendirmeleri dikkate alınmalıdır."
)