File size: 1,129 Bytes
2d0826e |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 |
import xgboost as xgb
import pandas as pd
import gradio as gr
# Modeli yükle
model = xgb.XGBClassifier()
model.load_model("ipekbocegi_xgboost_model.json")
# Tahmin fonksiyonu
def predict_silk_temperature_humidity(temperature, humidity):
df = pd.DataFrame({
"temperature": [temperature],
"humidity": [humidity]
})
pred = model.predict(df)[0]
pred_prob = model.predict_proba(df)[0]
# Label tahmini ve olasılıkları liste olarak döndür
return [int(pred), pred_prob.tolist()]
# Gradio arayüzü
iface = gr.Interface(
fn=predict_silk_temperature_humidity,
inputs=[
gr.Number(label="Sıcaklık"),
gr.Number(label="Nem")
],
outputs=[
gr.Label(num_top_classes=1, label="Tahmin"), # Tek label gösterimi
gr.Dataframe(headers=["Class " + str(i) for i in range(model.n_classes_)], label="Olasılıklar") # Olasılıkları tablo halinde
],
title="İpek Böceği Tahmin Modeli",
description="Sıcaklık ve nem değerine göre ipek böceği durumunu tahmin eden XGBoost modeli"
)
if __name__ == "__main__":
iface.launch()
|