import gradio as gr
import numpy as np
from joblib import load

# Carrega o modelo
model = load('RandomForestModel.joblib')

# Define a função de previsão que será chamada pela interface
def predict(pregnancies, glucose, bp, skin, insulin, bmi, diabetes_pedigree, age):
    # Transforma os inputs em um array numpy no formato correto
    X = np.array([[pregnancies, glucose, bp, skin, insulin, bmi, diabetes_pedigree, age]])
    # Faz a previsão usando o modelo carregado
    prediction = model.predict(X)
    # Retorna a previsão
    return {'Outcome': prediction[0]}

# Cria os campos de entrada para a interface do Gradio
inputs = [
    gr.Number(label="Pregnancies"),
    gr.Number(label="Glucose"),
    gr.Number(label="Blood Pressure"),
    gr.Number(label="Skin Thickness"),
    gr.Number(label="Insulin"),
    gr.Number(label="BMI"),
    gr.Number(label="Diabetes Pedigree Function"),
    gr.Number(label="Age")
]

# Define a saída da interface
output = gr.Label(num_top_classes=1)

# Cria a interface de usuário com Gradio
iface = gr.Interface(fn=predict, inputs=inputs, outputs=output, 
                     title="Diabetes Prediction with Random Forest")

# Inicia a interface
iface.launch()