Upload 4 files

README.md

@@ -1,20 +1,77 @@
----
-title: Ion Switching Predictor
-emoji: 🚀
-colorFrom: red
-colorTo: red
-sdk: docker
-app_port: 8501
-tags:
-- streamlit
-pinned: false
-short_description: Streamlit template space
-license: mit
----
-
-# Welcome to Streamlit!
-
-Edit `/src/streamlit_app.py` to customize this app to your heart's desire. :heart:
-
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
+---
+title: Ion Switching Predictor
+emoji: ⚡
+colorFrom: gray
+colorTo: blue
+sdk: streamlit
+sdk_version: "1.32.2"
+app_file: app.py
+pinned: false
+---
+
+# ⚡ Ion Switching - Sinyal Tabanlı Kanal Tahmini
+
+Bu proje, Liverpool Üniversitesi tarafından sunulan zaman serisi tabanlı Kaggle yarışmasına dayanmaktadır.  
+Amaç, sinyal verilerine dayanarak açık kanal sayısını (`open_channels`) tahmin etmektir.
+
+## 📦 Kullanılan Veri Seti
+
+- Yarışma: [University of Liverpool - Ion Switching](https://www.kaggle.com/competitions/liverpool-ion-switching)
+- Girdi Özellikleri:
+  - `time`: Zaman damgası
+  - `signal`: Sinyal değeri
+- Hedef:
+  - `open_channels`: 0–10 arasında değişen kanal sınıfları
+
+## 🧠 Kullanılan Yöntemler
+
+- Rolling window tabanlı özellik mühendisliği:
+  - Ortalama, standart sapma, min, max (pencere: 10, 50, 100)
+- Makine öğrenmesi modeli:
+  - `LightGBMClassifier`
+- Model değerlendirme:
+  - Accuracy: **%98**
+  - Macro F1-score: **0.94**
+  - Weighted F1-score: **0.99**
+
+## 🚀 Streamlit Uygulaması
+
+Kullanıcıdan yüklenen CSV dosyasındaki `signal` verilerine göre `open_channels` tahmini yapılır.  
+Model, `.pkl` formatında yüklenir. Sonuçlar indirilebilir.
+
+## 🧪 Örnek Kullanım
+
+1. `signal` sütunu içeren CSV dosyanızı yükleyin
+2. Model, rolling özellikleri ekleyerek tahmin yapar
+3. `predicted_open_channels` sütunu ile sonuçları görebilir, indirilebilir CSV alabilirsiniz
+
+## 🧰 Gereksinimler
+
+```bash
+pip install -r requirements.txt
+```
+
+## 🧾 Dosya Yapısı
+
+```
+📁 ion-switching-app/
+├── app.py
+├── ion_switch_model.pkl
+├── requirements.txt
+└── README.md
+```
+
+## 🤗 Model Paylaşımı
+
+> Hugging Face Spaces + GitHub üzerinden dağıtılmıştır.  
+> Model dosyası (`.pkl`) Hugging Face Model Hub'a yüklenebilir veya örnek JSON + açıklama ile paylaşılabilir.
+
+## 📌 Geliştirilebilir Özellikler
+
+- LSTM/CNN ile zaman serisi derin öğrenme modeli
+- Kapsamlı rolling feature grid search
+- Sinyal segmentasyonu ile daha hassas blok modelleri
+
+## 📄 Lisans
+
+MIT License

app.py

@@ -0,0 +1,48 @@
+import streamlit as st
+import pandas as pd
+import numpy as np
+import joblib
+
+# Başlık
+st.title("🔌 Ion Switching Tahmin Uygulaması")
+
+# Modeli yükle
+model = joblib.load("ion_switch_model.pkl")
+
+# Rolling feature fonksiyonu
+def add_rolling_features(df, window_sizes=[10, 50, 100]):
+    for window in window_sizes:
+        df[f'signal_mean_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).mean()
+        df[f'signal_std_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).std()
+        df[f'signal_min_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).min()
+        df[f'signal_max_{window}'] = df['signal'].rolling(window=window, min_periods=1, center=True).max()
+    return df
+
+# CSV yükleme
+uploaded_file = st.file_uploader("📤 Lütfen sinyal içeren CSV dosyasını yükleyin (signal sütunu olmalı)", type=["csv"])
+
+if uploaded_file is not None:
+    data = pd.read_csv(uploaded_file)
+    st.write("📄 İlk 5 satır:")
+    st.write(data.head())
+
+    if 'signal' in data.columns:
+        # Özellikleri ekle
+        data_feat = add_rolling_features(data.copy())
+
+        # Tahmin
+        feature_cols = [col for col in data_feat.columns if 'signal_' in col]
+        X_input = data_feat[feature_cols].fillna(0)
+        preds = model.predict(X_input)
+
+        # Sonuç göster
+        data['predicted_open_channels'] = preds
+        st.success("✅ Tahminler tamamlandı!")
+        st.write(data[['signal', 'predicted_open_channels']].head())
+
+        # İndirilebilir hale getir
+        csv = data.to_csv(index=False).encode('utf-8')
+        st.download_button("📥 Tahmin Sonuçlarını İndir", csv, "ion_switch_predictions.csv", "text/csv")
+
+    else:
+        st.warning("❗ 'signal' sütunu bulunamadı.")

ion_switch_model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9fa5a651d9fea77e5421d649ec217ea15f4e4397f2a4511ea0be37cafcf1ad20
+size 347652

requirements.txt

@@ -1,3 +1,5 @@
-altair
-pandas
-streamlit
+streamlit
+pandas
+numpy
+scikit-learn
+joblib