app.py

import gradio as gr
import pandas as pd
from pycaret.classification import setup, compare_models, pull

def get_columns(dosya):
    if dosya is None:
        return gr.update(choices=[]), gr.update(choices=[]), gr.update(choices=[])
    data = pd.read_csv(dosya.name)
    kolonlar = data.columns.tolist()
    return gr.update(choices=kolonlar), gr.update(choices=kolonlar), gr.update(choices=kolonlar)

def otoml_islemi(dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
                 sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers):
    # Veri setini yükleyin
    data = pd.read_csv(dosya.name)
    
    # PyCaret kurulumunu başlatın
    s = setup(
        data,
        target=hedef_sutun,
        numeric_features=sayisal_sutunlar if sayisal_sutunlar else None,
        categorical_features=kategorik_sutunlar if kategorik_sutunlar else None,
        numeric_imputation=sayisal_imputasyon,
        categorical_imputation=kategorik_imputasyon,
        normalize=normalize,
        remove_outliers=remove_outliers,
        silent=True,
        verbose=False
    )
    
    # Modelleri karşılaştırın ve en iyisini seçin
    en_iyi_model = compare_models()
    
    # Model değerlendirme sonuçlarını alın
    degerlendirme = pull()
    
    return degerlendirme

with gr.Blocks() as demo:
    dosya = gr.File(label="Veri Seti (CSV)")
    hedef_sutun = gr.Dropdown(label="Hedef Sütun Adı", choices=[])
    sayisal_sutunlar = gr.CheckboxGroup(label="Sayısal Sütunlar", choices=[])
    kategorik_sutunlar = gr.CheckboxGroup(label="Kategorik Sütunlar", choices=[])
    sayisal_imputasyon = gr.Dropdown(label="Sayısal İmputasyon Yöntemi", choices=['mean', 'median', 'zero'], value='mean')
    kategorik_imputasyon = gr.Dropdown(label="Kategorik İmputasyon Yöntemi", choices=['mode', 'constant'], value='mode')
    normalize = gr.Checkbox(label="Normalize Et")
    remove_outliers = gr.Checkbox(label="Aykırı Değerleri Kaldır")
    buton = gr.Button("Modeli Oluştur")
    cikti = gr.Dataframe(label="Model Değerlendirme Sonuçları")

    dosya.change(
        fn=get_columns,
        inputs=dosya,
        outputs=[hedef_sutun, sayisal_sutunlar, kategorik_sutunlar]
    )

    buton.click(
        fn=otoml_islemi,
        inputs=[dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
                sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers],
        outputs=cikti
    )

demo.launch()