Upload app (1).py

app (1).py

@@ -0,0 +1,33 @@
+
+import gradio as gr
+import joblib
+import numpy as np
+import os
+
+# Carrega o pipeline baseline (TF-IDF + LogisticRegression)
+MODEL_PATH = os.getenv("MODEL_PATH", "baseline_pipe.pkl")
+
+if not os.path.exists(MODEL_PATH):
+    raise FileNotFoundError(f"Arquivo de modelo não encontrado: {MODEL_PATH}. Faça upload de baseline_pipe.pkl.")
+
+baseline = joblib.load(MODEL_PATH)
+
+def predict_sentiment(text: str):
+    if not text or text.strip() == "":
+        return {"predição": "n/a", "confiança": 0.0}
+    proba = baseline.predict_proba([text])[0]
+    pred = int(np.argmax(proba))
+    label = "positivo" if pred == 1 else "negativo"
+    conf = float(np.max(proba))
+    return {"predição": label, "confiança": conf}
+
+demo = gr.Interface(
+    fn=predict_sentiment,
+    inputs=gr.Textbox(label="Digite uma avaliação de produto"),
+    outputs=gr.JSON(label="Resultado"),
+    title="Análise de Sentimentos (Amazon Polarity)",
+    description="Pipeline TF-IDF + Regressão Logística. Faça upload de baseline_pipe.pkl gerado no notebook."
+)
+
+if __name__ == "__main__":
+    demo.launch()