app.py

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()