app.py

import os
import gradio as gr
import joblib
import pandas as pd
import numpy as np
from keras.models import load_model

# Vérification des fichiers nécessaires
required_files = [
    'Student_Performance.csv',
    'encoder.joblib',
    'scaler.joblib',
    'DNN_model_new.keras'
]
missing_files = [f for f in required_files if not os.path.exists(f)]
if missing_files:
    raise FileNotFoundError(f"Les fichiers suivants sont manquants : {missing_files}")

# Chargement des outils
encoder = joblib.load('encoder.joblib')
scaler = joblib.load('scaler.joblib')

# Chargement du modèle
try:
    modele = load_model('DNN_model_new.keras')
    print("✅ Modèle chargé avec succès.")
except Exception as e:
    print(f"❌ Erreur lors du chargement du modèle : {e}")
    modele = None

# Fonction de prédiction multiple
def prediction_batch(input_file):
    """
    Prédit l'indice de performance pour chaque étudiant dans un fichier CSV.
    Le fichier doit contenir les colonnes :
    'Hours Studied', 'Previous Scores', 'Extracurricular Activities', 'Sleep Hours', 'Sample Question Papers Practiced'
    """
    df_input = pd.read_csv(input_file)
    # Encoder la variable catégorielle
    df_input['Extracurricular Activities'] = encoder.transform(df_input['Extracurricular Activities'])
    # Sélectionner les colonnes dans le bon ordre
    X = df_input[['Hours Studied', 'Previous Scores', 'Extracurricular Activities', 'Sleep Hours', 'Sample Question Papers Practiced']].values
    # Normaliser
    X_scaled = scaler.transform(X)
    # Prédire
    y_pred = modele.predict(X_scaled).flatten()
    # Ajouter la prédiction au DataFrame
    df_input['Predicted Performance Index'] = np.round(y_pred, 2)
    return df_input

# Interface Gradio pour prédiction multiple
inputs = gr.File(label="Charger un fichier CSV avec les colonnes attendues")
outputs = gr.Dataframe(label="Résultats avec prédiction")

interface = gr.Interface(
    fn=prediction_batch,
    inputs=inputs,
    outputs=outputs,
    title='Prédiction multiple des performances des étudiants',
    description="Chargez un fichier CSV avec les colonnes : 'Hours Studied', 'Previous Scores', 'Extracurricular Activities', 'Sleep Hours', 'Sample Question Papers Practiced'. Les valeurs pour 'Extracurricular Activities' doivent être 'Yes' ou 'No'."
)

if __name__ == "__main__":
    interface.launch(share=True)