File size: 1,345 Bytes
d46e59d |
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 |
import gradio as gr
from sklearn.linear_model import LogisticRegression
import numpy as np
import joblib
# Cargar tu modelo entrenado; asegúrate de tener el modelo guardado como 'model_5_features.pkl'
# Si no tienes el modelo guardado, deberías entrenarlo y guardarlo con joblib:
# joblib.dump(model_5_features, 'model_5_features.pkl')
model = joblib.load('titanic.pkl')
def predict_survival(sex, age, fare, pclass, sibsp):
# Convertir entradas a array 2D (1 fila con n columnas)
input_array = np.array([[sex, age, fare, pclass, sibsp]])
prediction = model.predict(input_array)
result = 'Sobrevive' if prediction[0] == 1 else 'No sobrevive'
return result
# Crear la interfaz de Gradio
iface = gr.Interface(
fn=predict_survival,
inputs=[
gr.inputs.Dropdown(choices=["Masculino", "Femenino"], label="Sexo"),
gr.inputs.Slider(minimum=0, maximum=100, step=1, default=28, label="Edad"),
gr.inputs.Slider(minimum=0, maximum=512, step=1, default=33, label="Tarifa"),
gr.inputs.Dropdown(choices=[1, 2, 3], label="Clase del Pasajero"),
gr.inputs.Slider(minimum=0, maximum=8, step=1, default=0, label="Hermanos/Cónyuges a bordo")
],
outputs=gr.outputs.Textbox(label="Predicción de Supervivencia")
)
# Ejecutar la interfaz
iface.launch()
|