import gradio as gr
import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestClassifier

# 示例：加载模型（这里用随机森林作为示例）
def load_model():
    # 这里可以替换为你的模型加载逻辑
    model = RandomForestClassifier()
    # 假设我们有一些示例数据
    X = np.array([[1, 2], [3, 4], [5, 6]])
    y = np.array([0, 1, 0])
    model.fit(X, y)
    return model

model = load_model()

# 定义预测函数
def predict(price, sales, shop_rating):
    # 将输入转换为模型需要的格式
    input_data = np.array([[price, sales, shop_rating]])
    prediction = model.predict(input_data)
    return "爆款潜力高" if prediction[0] == 1 else "爆款潜力低"

# 创建 Gradio 界面
interface = gr.Interface(
    fn=predict,
    inputs=[
        gr.Number(label="价格"),
        gr.Number(label="销量"),
        gr.Number(label="店铺评分"),
    ],
    outputs=gr.Textbox(label="预测结果"),
    title="爆款商品预测",
    description="输入商品的价格、销量和店铺评分，预测是否有爆款潜力。",
)

# 启动应用
interface.launch()