import streamlit as st
import pandas as pd
import numpy as np
import joblib
from sklearn.preprocessing import StandardScaler

# Modeli yükle
model = joblib.load('best_xgb_model.joblib')

# Önemli özellikler (örnek olarak 106 adet özellik)
relevant_features = [f'feature_{i}' for i in range(1, 107)]  # feature_1, feature_2, ..., feature_106

# Rastgele veriler oluştur
def generate_random_input():
    random_data = {feature: np.random.uniform(0, 1) for feature in relevant_features}
    return pd.DataFrame(random_data, index=[0])

# Rastgele veriyi al
input_data = generate_random_input()

# Özellikleri ölçeklendir
scaler = StandardScaler()
input_data_scaled = scaler.fit_transform(input_data)

# Tahmin yap
prediction = model.predict_proba(input_data_scaled)[:, 1]

# Sonucu göster
st.title('Santander Müşteri Memnuniyeti Tahmini')
st.subheader('Rastgele Oluşturulan Girdi')
st.write(input_data)

st.subheader('Tahmin Sonucu')
st.write(f'Müşteri Memnuniyeti Tahmini: {prediction[0]:.2f}')

# Uygulamayı çalıştırma
if __name__ == '__main__':
    st.title('Santander Müşteri Memnuniyeti Tahmini')