Update app.py

app.py

@@ -2,24 +2,23 @@ import gradio as gr
 import pandas as pd
 from pycaret.classification import setup, compare_models, pull
 
-def get_columns(dosya):
-    if dosya is None:
-        return gr.update(choices=[]), gr.update(choices=[]), gr.update(choices=[])
-    data = pd.read_csv(dosya.name)
-    kolonlar = data.columns.tolist()
-    return gr.update(choices=kolonlar), gr.update(choices=kolonlar), gr.update(choices=kolonlar)
-
 def otoml_islemi(dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
-                 sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers):
+                 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 if sayisal_sutunlar else None,
-        categorical_features=kategorik_sutunlar if kategorik_sutunlar else None,
+        numeric_features=sayisal_sutunlar,
+        categorical_features=kategorik_sutunlar,
+        ignore_features=ignore_sutunlar,
         numeric_imputation=sayisal_imputasyon,
         categorical_imputation=kategorik_imputasyon,
         normalize=normalize,
@@ -36,29 +35,21 @@ def otoml_islemi(dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
     
     return degerlendirme
 
-with gr.Blocks() as demo:
-    dosya = gr.File(label="Veri Seti (CSV)")
-    hedef_sutun = gr.Dropdown(label="Hedef Sütun Adı", choices=[])
-    sayisal_sutunlar = gr.CheckboxGroup(label="Sayısal Sütunlar", choices=[])
-    kategorik_sutunlar = gr.CheckboxGroup(label="Kategorik Sütunlar", choices=[])
-    sayisal_imputasyon = gr.Dropdown(label="Sayısal İmputasyon Yöntemi", choices=['mean', 'median', 'zero'], value='mean')
-    kategorik_imputasyon = gr.Dropdown(label="Kategorik İmputasyon Yöntemi", choices=['mode', 'constant'], value='mode')
-    normalize = gr.Checkbox(label="Normalize Et")
-    remove_outliers = gr.Checkbox(label="Aykırı Değerleri Kaldır")
-    buton = gr.Button("Modeli Oluştur")
-    cikti = gr.Dataframe(label="Model Değerlendirme Sonuçları")
-
-    dosya.change(
-        fn=get_columns,
-        inputs=dosya,
-        outputs=[hedef_sutun, sayisal_sutunlar, kategorik_sutunlar]
-    )
-
-    buton.click(
-        fn=otoml_islemi,
-        inputs=[dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
-                sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers],
-        outputs=cikti
-    )
-
-demo.launch()
+# 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()