Upload 4 files

Requierement.txt

@@ -0,0 +1,4 @@
+gradio
+pandas
+scikit-learn
+joblib

app.py

@@ -0,0 +1,62 @@
+import gradio as gr
+import pandas as pd
+from joblib import load
+
+# Charger le modèle sauvegardé
+model = load('lasso_model.joblib')
+
+# Fonction pour prédire une seule observation
+def predict_single(Kms_Driven, Present_Price, Fuel_Type, Seller_Type, Transmission, Age):
+    # Créer les features en fonction des colonnes nécessaires au modèle
+    features = [[Kms_Driven, Present_Price, Fuel_Type, Seller_Type, Transmission, Age]]
+    # Prédire avec le modèle
+    prediction = model.predict(features)
+    return prediction[0]  # Retourner la prédiction
+
+# Fonction pour prédire plusieurs observations à partir d'un fichier CSV
+def predict_multiple(file):
+    # Charger le fichier CSV
+    data = pd.read_csv(file)
+    # Vérifier si les colonnes nécessaires sont présentes dans le fichier
+    required_columns = ['Kms_Driven', 'Present_Price', 'Fuel_Type', 'Seller_Type', 'Transmission', 'Age']
+    if not all(col in data.columns for col in required_columns):
+        return f"Le fichier CSV doit contenir les colonnes suivantes : {', '.join(required_columns)}"
+    # Prédire les résultats
+    predictions = model.predict(data[required_columns])
+    data['Prediction'] = predictions
+    return data  # Retourner le DataFrame avec les prédictions ajoutées
+
+# Interface Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("### Prédictions avec le Modèle Lasso")
+
+    # Interface pour une prédiction unique
+    with gr.Tab("Prédiction Unique"):
+        Kms_Driven = gr.Number(label="Kilométrage (Kms Driven)")
+        Present_Price = gr.Number(label="Prix Actuel (Present Price)")
+        Fuel_Type = gr.Number(label="Type de Carburant (Fuel Type)")
+        Seller_Type = gr.Number(label="Type de Vendeur (Seller Type)")
+        Transmission = gr.Number(label="Transmission (Manuelle=0, Automatique=1)")
+        Age = gr.Number(label="Âge du Véhicule")
+        predict_btn = gr.Button("Prédire")
+        output = gr.Textbox(label="Résultat")
+        predict_btn.click(
+            predict_single,
+            inputs=[Kms_Driven, Present_Price, Fuel_Type, Seller_Type, Transmission, Age],
+            outputs=output
+        )
+
+    # Interface pour prédictions multiples à partir d'un fichier CSV
+    with gr.Tab("Prédiction Multiple"):
+        file_input = gr.File(label="Uploader un fichier CSV")
+        output_file = gr.DataFrame(label="Résultats avec Prédictions")
+        predict_btn_csv = gr.Button("Prédire pour le CSV")
+        predict_btn_csv.click(
+            predict_multiple,
+            inputs=file_input,
+            outputs=output_file
+        )
+
+# Lancer l'application
+if __name__ == "__main__":
+    demo.launch()

lasso_model.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:aec6283cf6ddb2f25cdf13e73777c06c7f89d812499f5f6e9e0fdf11af02154c
+size 679

sample_data.csv

@@ -0,0 +1,11 @@
+Kms_Driven,Present_Price,Fuel_Type,Seller_Type,Transmission,Age
+27000,5.59,2,0,1,6
+43000,9.54,1,0,1,7
+6900,9.85,2,0,1,3
+5200,4.15,2,0,1,9
+42450,6.87,1,0,1,6
+2071,9.83,1,0,1,2
+18796,8.12,2,0,1,5
+33429,8.61,1,0,1,5
+20273,8.89,1,0,1,4
+42367,8.92,1,0,1,5