app.py

import gradio as gr
import pandas as pd
from pycaret.classification import setup, compare_models, pull

def otoml_islemi(dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
                 sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers, ignore_sutunlar):
    # Veri setini yükleyin
    data = pd.read_csv(dosya.name)
    
    # Sütunları listeye dönüştürün
    sayisal_sutunlar = [col.strip() for col in sayisal_sutunlar.split(',')] if sayisal_sutunlar else None
    kategorik_sutunlar = [col.strip() for col in kategorik_sutunlar.split(',')] if kategorik_sutunlar else None
    ignore_sutunlar = [col.strip() for col in ignore_sutunlar.split(',')] if ignore_sutunlar else None
    
    # PyCaret kurulumunu başlatın
    s = setup(
        data,
        target=hedef_sutun,
        numeric_features=sayisal_sutunlar,
        categorical_features=kategorik_sutunlar,
        ignore_features=ignore_sutunlar,
        numeric_imputation=sayisal_imputasyon,
        categorical_imputation=kategorik_imputasyon,
        normalize=normalize,
        remove_outliers=remove_outliers,
        silent=True,
        verbose=False
    )
    
    # Modelleri karşılaştırın ve en iyisini seçin
    en_iyi_model = compare_models()
    
    # Model değerlendirme sonuçlarını alın
    degerlendirme = pull()
    
    return degerlendirme

# Gradio arayüzü
gr.Interface(
    otoml_islemi,
    inputs=[
        gr.inputs.File(label="Veri Seti (CSV)"),
        gr.inputs.Textbox(label="Hedef Sütun Adı"),
        gr.inputs.Textbox(label="Sayısal Sütunlar (Virgülle Ayrılmış)"),
        gr.inputs.Textbox(label="Kategorik Sütunlar (Virgülle Ayrılmış)"),
        gr.inputs.Textbox(label="Görmezden Gelinecek Sütunlar (Virgülle Ayrılmış)"),
        gr.inputs.Dropdown(label="Sayısal İmputasyon Yöntemi", choices=['mean', 'median', 'zero'], default='mean'),
        gr.inputs.Dropdown(label="Kategorik İmputasyon Yöntemi", choices=['mode', 'constant'], default='mode'),
        gr.inputs.Checkbox(label="Normalize Et", default=False),
        gr.inputs.Checkbox(label="Aykırı Değerleri Kaldır", default=False)
    ],
    outputs=gr.outputs.Dataframe(label="Model Değerlendirme Sonuçları"),
    title="PyCaret ile AutoML Arayüzü",
    description="Veri setinizi yükleyin, sütun türlerini ve veri ön işleme adımlarını seçin, ardından en iyi modeli belirleyin."
).launch()