Spaces:
Sleeping
Sleeping
File size: 2,475 Bytes
520d797 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 |
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):
# Veri setini yükleyin
data = pd.read_csv(dosya.name)
# 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_imputation=sayisal_imputasyon,
categorical_imputation=kategorik_imputasyon,
normalize=normalize,
remove_outliers=remove_outliers,
silent=True,
verbose=False
)
# Modelleri karşılaştırın ve en iyisini seçin
en_iyi_model = compare_models()
# Model değerlendirme sonuçlarını alın
degerlendirme = pull()
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()
|