herrius commited on
Commit
0a1a9d7
verified
1 Parent(s): be66ac9

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +37 -33
app.py CHANGED
@@ -1,33 +1,37 @@
1
- import gradio as gr
2
- from sklearn.linear_model import LogisticRegression
3
- import numpy as np
4
- import joblib
5
-
6
- # Cargar tu modelo entrenado; aseg煤rate de tener el modelo guardado como 'model_5_features.pkl'
7
- # Si no tienes el modelo guardado, deber铆as entrenarlo y guardarlo con joblib:
8
- # joblib.dump(model_5_features, 'model_5_features.pkl')
9
-
10
- model = joblib.load('titanic.pkl')
11
-
12
- def predict_survival(sex, age, fare, pclass, sibsp):
13
- # Convertir entradas a array 2D (1 fila con n columnas)
14
- input_array = np.array([[sex, age, fare, pclass, sibsp]])
15
- prediction = model.predict(input_array)
16
- result = 'Sobrevive' if prediction[0] == 1 else 'No sobrevive'
17
- return result
18
-
19
- # Crear la interfaz de Gradio
20
- iface = gr.Interface(
21
- fn=predict_survival,
22
- inputs=[
23
- gr.inputs.Dropdown(choices=["Masculino", "Femenino"], label="Sexo"),
24
- gr.inputs.Slider(minimum=0, maximum=100, step=1, default=28, label="Edad"),
25
- gr.inputs.Slider(minimum=0, maximum=512, step=1, default=33, label="Tarifa"),
26
- gr.inputs.Dropdown(choices=[1, 2, 3], label="Clase del Pasajero"),
27
- gr.inputs.Slider(minimum=0, maximum=8, step=1, default=0, label="Hermanos/C贸nyuges a bordo")
28
- ],
29
- outputs=gr.outputs.Textbox(label="Predicci贸n de Supervivencia")
30
- )
31
-
32
- # Ejecutar la interfaz
33
- iface.launch()
 
 
 
 
 
1
+ import gradio as gr
2
+ import numpy as np
3
+ import joblib
4
+
5
+ # Cargar el modelo entrenado
6
+ model = joblib.load('titanic.pkl')
7
+
8
+ def predict_survival(sex, age, fare, pclass, sibsp):
9
+ # Convertir entradas a formato num茅rico y ajustar seg煤n el modelo
10
+ # Asumimos que 'Masculino' = 1, 'Femenino' = 0
11
+ sex = 1 if sex == "Masculino" else 0
12
+
13
+ # Preparar el array con las caracter铆sticas en el orden correcto
14
+ input_features = np.array([[sex, age, fare, pclass, sibsp]])
15
+
16
+ # Hacer la predicci贸n usando el modelo
17
+ prediction = model.predict(input_features)
18
+
19
+ # Retornar el resultado en forma legible
20
+ result = 'Sobrevive' if prediction[0] == 1 else 'No sobrevive'
21
+ return result
22
+
23
+ # Definir la interfaz de Gradio
24
+ iface = gr.Interface(
25
+ fn=predict_survival,
26
+ inputs=[
27
+ gr.components.Dropdown(choices=["Masculino", "Femenino"], label="Sexo"),
28
+ gr.components.Slider(minimum=0, maximum=100, step=1, default=28, label="Edad"),
29
+ gr.components.Slider(minimum=0, maximum=512, step=1, default=33, label="Tarifa"),
30
+ gr.components.Dropdown(choices=[1, 2, 3], label="Clase del Pasajero"),
31
+ gr.components.Slider(minimum=0, maximum=8, step=1, default=0, label="Hermanos/C贸nyuges a bordo")
32
+ ],
33
+ outputs=gr.components.Textbox(label="Predicci贸n de Supervivencia")
34
+ )
35
+
36
+ # Lanzar la aplicaci贸n
37
+ iface.launch()