Create app.py

app.py

@@ -0,0 +1,37 @@
+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()