Upload 5 files

README.md

@@ -1,3 +1,48 @@
 ---
-license: mit
+tags:
+- wine
+- classification
+- sklearn
+- streamlit
 ---
+
+# 🍷 Wine Quality Classifier
+
+This model predicts the quality label (**low**, **medium**, or **high**) of red wine based on its physicochemical properties.
+
+## 🔢 Input Features
+
+- fixed_acidity
+- volatile_acidity
+- citric_acid
+- residual_sugar
+- chlorides
+- free_sulfur_dioxide
+- total_sulfur_dioxide
+- density
+- pH
+- sulphates
+- alcohol
+
+## 🧠 Model Info
+
+- Type: RandomForestClassifier (scikit-learn)
+- Trained on [UCI Wine Quality Dataset](https://www.kaggle.com/datasets/uciml/red-wine-quality-cortez-et-al-2009)
+- Labels: `low` (≤5), `medium` (=6), `high` (≥7)
+
+## 🧪 Example Input
+
+```json
+{
+  "fixed_acidity": 7.4,
+  "volatile_acidity": 0.7,
+  "citric_acid": 0.0,
+  "residual_sugar": 1.9,
+  "chlorides": 0.076,
+  "free_sulfur_dioxide": 11.0,
+  "total_sulfur_dioxide": 34.0,
+  "density": 0.9978,
+  "pH": 3.51,
+  "sulphates": 0.56,
+  "alcohol": 9.4
+}

sample_input.json

@@ -0,0 +1,13 @@
+{
+  "fixed_acidity": 7.4,
+  "volatile_acidity": 0.7,
+  "citric_acid": 0.0,
+  "residual_sugar": 1.9,
+  "chlorides": 0.076,
+  "free_sulfur_dioxide": 11.0,
+  "total_sulfur_dioxide": 34.0,
+  "density": 0.9978,
+  "pH": 3.51,
+  "sulphates": 0.56,
+  "alcohol": 9.4
+}

wine-quality-project-summary.txt

@@ -0,0 +1,82 @@
+🍷 Wine Quality Prediction - Proje Özeti
+
+📌 Proje Amacı:
+Kimyasal bileşenlerine göre kırmızı şarabın kalitesini sınıflandırmak.
+
+🎯 Veri Seti:
+- Kaynak: UCI Wine Quality Dataset
+- Satır: 1599
+- Sütun: 12 (11 özellik + 1 hedef: quality)
+
+---
+
+🏆 Önde Gelen Projelerde Uygulanan Yöntemler:
+
+1. Veri Temizleme:
+- Eksik değerler kontrol edildi.
+- Aykırı değerler (outliers) IQR yöntemi ile çıkarıldı.
+
+2. Özellik Mühendisliği:
+- Korelasyon analizi ile düşük etkili özellikler çıkarıldı.
+- Özellikler StandardScaler / MinMaxScaler ile ölçeklendirildi.
+
+3. Hedef Dönüşümü:
+- Kalite: 0–10 → Binary (Good/Bad) ya da 3 sınıf (Low/Medium/High)
+
+4. Modelleme:
+- Modeller: Random Forest, XGBoost, SVM, KNN
+- Sınıf dengesizliği için SMOTE uygulandı.
+- Doğruluk oranı %90+ modeller geliştirildi.
+
+5. Uygulama ve Yayın:
+- Flask/Streamlit ile arayüz
+- Hugging Face / Render gibi platformlara model yükleme
+
+---
+
+✅ Bizim Gerçekleştirdiğimiz Adımlar:
+
+1. Veri Yükleme ve EDA:
+- Veri başarıyla yüklendi
+- Korelasyon matrisi ve dağılımlar incelendi
+
+2. Hedef Dönüşümü:
+- quality → quality_label (low, medium, high) şeklinde 3 sınıfa ayrıldı
+
+3. Modelleme:
+- Veriler train/test olarak ayrıldı (stratify ile)
+- StandardScaler ile ölçekleme yapıldı
+- RandomForestClassifier ile eğitim yapıldı (%85+ başarı)
+
+4. Model Kaydı:
+- Model ve scaler `.pkl` dosyası olarak kaydedildi
+
+5. Streamlit Uygulaması:
+- Kullanıcı arayüzü ile tahmin aracı geliştirildi
+
+6. Hugging Face:
+- Model, scaler ve örnek giriş dosyaları yüklendi
+- README.md ile birlikte açıklamalar eklendi
+
+---
+
+📊 Karşılaştırmalı Özet:
+
+Aşama               | Önde Gelen Projeler              | Bizim Uygulama
+--------------------|----------------------------------|------------------------------
+Veri Temizleme      | Aykırı değer çıkarıldı           | Bu adım atlandı
+Özellik Seçimi      | Düşük etkili özellik çıkarıldı   | Tüm özellikler kullanıldı
+Hedef Dönüşümü      | Binary ya da 3 sınıf             | 3 sınıf (low, medium, high)
+Modelleme           | XGBoost, SVM, RF, KNN            | Random Forest
+Sınıf Dengeleme     | SMOTE uygulandı                  | Uygulanmadı
+Model Yayını        | Flask, Render, HF                | Streamlit + Hugging Face
+
+---
+
+🔍 Geliştirme Önerileri:
+
+- Aykırı değer analizi eklenebilir
+- Özellik seçimi iyileştirilebilir
+- Alternatif modeller (XGBoost, SVM) denenebilir
+- SMOTE gibi tekniklerle sınıf dengesi artırılabilir
+

wine_model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:b6005f8896b61b6a2a24a5592cd0ba100db8058d1e53cf841b8f98e776b6366e
+size 4467793

wine_scaler.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1aa51131baaed1cfe70966450c578aae13ce15ceb855c99eeb44b754b7b3d077
+size 1359