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()