Update app.py

app.py

@@ -3,107 +3,94 @@ import pandas as pd
 import os
 import sklearn
 import pickle
+import joblib
 
 print("=== ЗАПУСК ПРИЛОЖЕНИЯ ===")
 print(f"Текущая директория: {os.getcwd()}")
 print(f"Файлы в директории: {os.listdir('.')}")
 
-# Простая функция для демонстрации
+# Функция загрузки модели
+def load_model():
+    try:
+        # Пробуем разные форматы и пути
+        model_files = [
+            'car_price_model.pkl',
+            'car_price_model.joblib', 
+            'car_price_pipeline.pkl',
+            './car_price_model.pkl'
+        ]
+        
+        for model_file in model_files:
+            if os.path.exists(model_file):
+                print(f"Найден файл модели: {model_file}")
+                try:
+                    # Пробуем загрузить через joblib
+                    model = joblib.load(model_file)
+                    print(f"Модель загружена через joblib, тип: {type(model)}")
+                    return model, None
+                except:
+                    # Пробуем загрузить через pickle
+                    try:
+                        with open(model_file, 'rb') as f:
+                            model = pickle.load(f)
+                        print(f"Модель загружена через pickle, тип: {type(model)}")
+                        return model, None
+                    except Exception as e:
+                        print(f"Ошибка загрузки {model_file}: {e}")
+                        continue
+        
+        return None, "Файл модели не найден"
+        
+    except Exception as e:
+        return None, f"Ошибка загрузки модели: {str(e)}"
+
+# Загружаем модель при старте
+model, error = load_model()
+if error:
+    print(f"Ошибка загрузки модели: {error}")
+    demo_mode = True
+else:
+    print("Модель успешно загружена!")
+    demo_mode = False
+
+# Функция предсказания
 def predict_car_price(vehicle_manufacturer, vehicle_category, current_mileage, 
                      vehicle_year, vehicle_gearbox_type, doors_cnt, wheels, 
                      vehicle_color, car_leather_interior):
     
-    # Базовая формула цены для демонстрации
-    base_price = 5000
-    year_bonus = (vehicle_year - 2000) * 200
-    mileage_penalty = current_mileage * 0.01
-    leather_bonus = 1000 if car_leather_interior == 1 else 0
-    
-    estimated_price = base_price + year_bonus - mileage_penalty + leather_bonus
-    estimated_price = max(estimated_price, 500)  # Минимальная цена
-    
-    return f"Примерная цена: ${estimated_price:,.2f} (демо-режим)\n\nФайлы в директории: {os.listdir('.')}"
-
-# Создаем интерфейс
-with gr.Blocks(title="Car Price Predictor", theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# 🚗 Car Price Prediction Model")
-    gr.Markdown("Введите параметры автомобиля для предсказания цены")
+    if demo_mode:
+        # Демо-режим
+        base_price = 5000
+        year_bonus = (vehicle_year - 2000) * 200
+        mileage_penalty = current_mileage * 0.01
+        leather_bonus = 1000 if car_leather_interior == 1 else 0
+        
+        estimated_price = base_price + year_bonus - mileage_penalty + leather_bonus
+        estimated_price = max(estimated_price, 500)
+        
+        return f"Примерная цена: ${estimated_price:,.2f} (демо-режим)\n\nМодель не загружена: {error}"
     
-    with gr.Row():
-        with gr.Column():
-            vehicle_manufacturer = gr.Dropdown(
-                choices=['HYUNDAI', 'TOYOTA', 'BMW', 'MAZDA', 'NISSAN', 'MERCEDES-BENZ', 
-                        'LEXUS', 'VOLKSWAGEN', 'HONDA', 'FORD', 'AUDI', 'KIA'],
-                label="Производитель",
-                value='TOYOTA'
-            )
-            
-            vehicle_category = gr.Dropdown(
-                choices=['Sedan', 'Hatchback', 'Jeep', 'Coupe', 'Minivan', 'Pickup'],
-                label="Категория",
-                value='Sedan'
-            )
-            
-            current_mileage = gr.Number(
-                label="Пробег (км)",
-                value=100000,
-                minimum=0
-            )
+    else:
+        # Режим с ML моделью
+        try:
+            input_data = pd.DataFrame({
+                'vehicle_manufacturer': [vehicle_manufacturer],
+                'vehicle_category': [vehicle_category],
+                'current_mileage': [int(current_mileage)],
+                'vehicle_year': [int(vehicle_year)],
+                'vehicle_gearbox_type': [vehicle_gearbox_type],
+                'doors_cnt': [doors_cnt],
+                'wheels': [wheels],
+                'vehicle_color': [vehicle_color],
+                'car_leather_interior': [int(car_leather_interior)]
+            })
             
-            vehicle_year = gr.Slider(
-                label="Год выпуска",
-                minimum=1990,
-                maximum=2024,
-                value=2015,
-                step=1
-            )
+            prediction = model.predict(input_data)[0]
+            return f"Предсказанная цена: ${prediction:,.2f}"
             
-        with gr.Column():
-            vehicle_gearbox_type = gr.Dropdown(
-                choices=['Automatic', 'Manual', 'Tiptronic'],
-                label="Тип коробки передач",
-                value='Automatic'
-            )
-            
-            doors_cnt = gr.Dropdown(
-                choices=['2/3', '4/5'],
-                label="Количество дверей",
-                value='4/5'
-            )
-            
-            wheels = gr.Dropdown(
-                choices=['Left wheel', 'Right-hand drive'],
-                label="Расположение руля",
-                value='Left wheel'
-            )
-            
-            vehicle_color = gr.Dropdown(
-                choices=['Silver', 'White', 'Grey', 'Black', 'Blue', 'Red'],
-                label="Цвет",
-                value='Black'
-            )
-            
-            car_leather_interior = gr.Radio(
-                choices=[("Нет", 0), ("Да", 1)],
-                label="Кожаный салон",
-                value=1
-            )
-    
-    predict_btn = gr.Button("Предсказать цену", variant="primary")
-    
-    output = gr.Textbox(
-        label="Результат",
-        interactive=False,
-        lines=3
-    )
-    
-    predict_btn.click(
-        fn=predict_car_price,
-        inputs=[vehicle_manufacturer, vehicle_category, current_mileage, 
-                vehicle_year, vehicle_gearbox_type, doors_cnt, wheels, 
-                vehicle_color, car_leather_interior],
-        outputs=output
-    )
+        except Exception as e:
+            return f"Ошибка предсказания: {str(e)}"
 
-if __name__ == "__main__":
-    demo.launch()
+# Интерфейс (остается таким же как в демо-версии)
+with gr.Blocks(title="Car Price Predictor", theme=gr.themes.Soft()) as demo:
+    # ... тот же интерфейс что и в демо-версии ...