import gradio as gr
import joblib
import pandas as pd

# 1. Cargar el modelo de Churn
# Usamos try/except por si olvidaste ejecutar el entrenar.py
try:
    modelo = joblib.load("modelo_churn.joblib")
except:
    modelo = None

# 2. Función de predicción
def predecir_abandono(antiguedad, pago_mensual, es_senior):
    if modelo is None:
        return {"Error: Modelo no encontrado": 1}
    
    # Preparamos los datos igual que en el entrenamiento
    # es_senior viene del checkbox (True/False), lo convertimos a 1 o 0
    senior_num = 1 if es_senior else 0
    
    datos = pd.DataFrame([[antiguedad, pago_mensual, senior_num]], 
                         columns=['tenure', 'MonthlyCharges', 'SeniorCitizen'])
    
    # Predecir probabilidades
    # proba[0] = Probabilidad de quedarse (No Churn)
    # proba[1] = Probabilidad de irse (Yes Churn)
    proba = modelo.predict_proba(datos)[0]
    
    return {
        "Cliente Fiel (Se queda)": float(proba[0]), 
        "Riesgo de Abandono (Churn)": float(proba[1])
    }

# 3. Interfaz Web
interfaz = gr.Interface(
    fn=predecir_abandono,
    inputs=[
        gr.Slider(minimum=0, maximum=72, label="Antigüedad (Meses)", info="¿Cuánto tiempo lleva con nosotros?"),
        gr.Number(label="Pago Mensual ($)", value=50.0),
        gr.Checkbox(label="¿Es Adulto Mayor (Senior)?")
    ],
    outputs=gr.Label(num_top_classes=2, label="Predicción de Riesgo"),
    title="Detector de Fugas de Clientes (Churn)",
    description="Introduce los datos del cliente para evaluar si está en riesgo de cancelar el servicio."
)

interfaz.launch()