Upload 3 files

app.py

@@ -0,0 +1,89 @@
+import streamlit as st
+import pandas as pd
+import joblib
+import numpy as np
+
+# Modeli yükle
+model = joblib.load('restaurant_revenue_model.joblib')
+
+# Eğitim sırasında kullanılan özelliklerin tam listesi
+feature_names = [
+    'P1', 'P2', 'P3', 'P4', 'P5', 'P6', 'P7', 'P8', 'P9', 'P10',
+    'P11', 'P12', 'P13', 'P14', 'P15', 'P16', 'P17', 'P18', 'P19', 'P20',
+    'P21', 'P22', 'P23', 'P24', 'P25', 'P26', 'P27', 'P28', 'P29', 'P30',
+    'P31', 'P32', 'P33', 'P34', 'P35', 'P36', 'P37', 'day', 'days',
+    'City_Adana', 'City_Afyonkarahisar', 'City_Aksaray', 'City_Amasya',
+    'City_Ankara', 'City_Antalya', 'City_Artvin', 'City_Aydın', 'City_Balıkesir',
+    'City_Batman', 'City_Bilecik', 'City_Bolu', 'City_Bursa', 'City_Denizli',
+    'City_Diyarbakır', 'City_Düzce', 'City_Edirne', 'City_Elazığ', 'City_Erzincan',
+    'City_Erzurum', 'City_Eskişehir', 'City_Gaziantep', 'City_Giresun', 'City_Hatay',
+    'City_Isparta', 'City_Kahramanmaraş', 'City_Karabük', 'City_Kars', 'City_Kastamonu',
+    'City_Kayseri', 'City_Kocaeli', 'City_Konya', 'City_Kütahya', 'City_Kırklareli',
+    'City_Kırıkkale', 'City_Kırşehir', 'City_Malatya', 'City_Manisa', 'City_Mardin',
+    'City_Mersin', 'City_Muğla', 'City_Nevşehir', 'City_Niğde', 'City_Ordu',
+    'City_Osmaniye', 'City_Rize', 'City_Sakarya', 'City_Samsun', 'City_Siirt',
+    'City_Sivas', 'City_Tanımsız', 'City_Tekirdağ', 'City_Tokat', 'City_Trabzon',
+    'City_Uşak', 'City_Yalova', 'City_Zonguldak', 'City_Çanakkale', 'City_Çankırı',
+    'City_Çorum', 'City_İstanbul', 'City_İzmir', 'City_Şanlıurfa', 'City Group_Big Cities',
+    'City Group_Other', 'Type_DT', 'Type_FC', 'Type_IL', 'Type_MB', 'month_1',
+    'month_2', 'month_3', 'month_4', 'month_5', 'month_6', 'month_7', 'month_8',
+    'month_9', 'month_10', 'month_11', 'month_12', 'year_1995', 'year_1996',
+    'year_1997', 'year_1998', 'year_1999', 'year_2000', 'year_2001', 'year_2002',
+    'year_2003', 'year_2004', 'year_2005', 'year_2006', 'year_2007', 'year_2008',
+    'year_2009', 'year_2010', 'year_2011', 'year_2012', 'year_2013', 'year_2014'
+]
+
+# Streamlit uygulaması
+st.title('Restoran Gelir Tahmini')
+
+# Kullanıcıdan girdi al
+st.sidebar.header('Girdi Bilgileri')
+
+# Kullanıcıdan alınacak temel girdiler
+P_values = {}
+for i in range(1, 11):  # P1'den P10'a kadar
+    P_values[f'P{i}'] = st.sidebar.number_input(f'P{i} Değeri', min_value=0)
+
+# Kullanıcıdan yıl bilgisi
+year = st.sidebar.selectbox('Yıl', options=[2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014])
+
+# Kullanıcıdan şehir bilgisi
+cities = [f'City_{city}' for city in [
+    'Adana', 'Afyonkarahisar', 'Aksaray', 'Amasya', 'Ankara', 'Antalya', 'Artvin',
+    'Aydın', 'Balıkesir', 'Batman', 'Bilecik', 'Bolu', 'Bursa', 'Denizli',
+    'Diyarbakır', 'Düzce', 'Edirne', 'Elazığ', 'Erzincan', 'Erzurum', 'Eskişehir',
+    'Gaziantep', 'Giresun', 'Hatay', 'Isparta', 'Kahramanmaraş', 'Karabük',
+    'Kars', 'Kastamonu', 'Kayseri', 'Kocaeli', 'Konya', 'Kütahya', 'Kırklareli',
+    'Kırıkkale', 'Kırşehir', 'Malatya', 'Manisa', 'Mardin', 'Mersin', 'Muğla',
+    'Nevşehir', 'Niğde', 'Ordu', 'Osmaniye', 'Rize', 'Sakarya', 'Samsun', 'Siirt',
+    'Sivas', 'Tanımsız', 'Tekirdağ', 'Tokat', 'Trabzon', 'Uşak', 'Yalova', 'Zonguldak',
+    'Çanakkale', 'Çankırı', 'Çorum', 'İstanbul', 'İzmir', 'Şanlıurfa'
+]]
+
+# Şehir seçim kutusu
+selected_city = st.sidebar.selectbox('Şehir Seçin', options=cities)
+input_data = {**P_values}
+
+# Yıla göre one-hot encoding (sadece yıl bilgisi)
+for y in range(2005, 2015):
+    input_data[f'year_{y}'] = int(year == y)
+
+# Şehir için one-hot encoding
+for city in cities:
+    input_data[city] = int(city == selected_city)
+
+# Gerekli özellikleri ekle
+input_df = pd.DataFrame(input_data, index=[0])
+
+# Kullanıcıdan alınan girdilere göre tahmin yap
+if st.button("Tahmin Et"):
+    # Özelliklerin tam listesine uygun şekilde eksik olanları sıfırla
+    for feature in feature_names:
+        if feature not in input_df.columns:
+            input_df[feature] = 0
+
+    # Sütunları doğru sırada ayarlayın
+    input_df = input_df[feature_names]
+
+    prediction = model.predict(input_df)  # Sadece gerekli özellikleri kullan
+    st.success(f'Tahmin Edilen Gelir: ${prediction[0]:.2f}')

requirements.txt

@@ -0,0 +1,12 @@
+streamlit
+tensorflow
+opencv-python
+scikit-learn
+torch
+torchvision
+matplotlib
+transformers
+sentencepiece
+plotly
+xgboost
+joblib 

restaurant_revenue_model.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f7dafe67fe19eda2a2825dc693fa0d99f39a9c4904042fd4a28bc761938d3a02
+size 1262289