Upload 4 files

app.py

@@ -0,0 +1,110 @@
+import pickle
+import pandas as pd
+import gradio as gr
+
+# словарь с названиями признаков на русском для отображения в приложении
+features = dict(
+    gender='Пол',
+    age='Возраст',
+    hypertension='Гипертония',
+    heart_disease='Заболевание сердца',
+    smoking_history='История курения',
+    bmi='Индекс массы тела',
+    HbA1c_level='Гемоглобин',
+    blood_glucose_level='Глюкоза',
+)
+
+# словари с названиями признаков и соответствующими индексами
+gender_label_to_index = {'Female': 0, 'Male': 1}
+smok_label_to_index = {
+    'Нет информации': 0,
+    'Курю': 1,
+    'Курил когда-либо': 2,
+    'Не курю (курил)': 3,
+    'Никогда не курил': 4,
+    'Бросил курить': 5,
+    }
+
+# загрузка модели
+model_path = 'model.pkl'
+with open(model_path, 'rb') as f:
+    model = pickle.load(f)
+
+# изменить ширину всего приложения (через css можно настраивать любые компоненты)
+css = '.gradio-container {width: 100% !important}'
+
+# интерфейс приложения
+with gr.Blocks(css=css) as demo:
+    # приветсвенное сообщение
+    gr.HTML(
+        """
+        <div style="text-align: center;">
+            <h2 style="color: green; font-weight: bold; font-style: italic;">Диагностика диабета</h2>
+            <h6>Введите ваши данные и получите результат</h6>
+        </div>
+        """
+    )
+    # строка в которой будут два столбца - 1) параметры ввода 2) картинка, датафрейм с введенными данными и результаты
+    with gr.Row():
+        # столбец с параметрами (scale между столбцами устанавливаем 1 к 3)
+        with gr.Column(scale=1):
+            # элементы параметров ввода данных пользователя (компоненты Gradio)
+            gender = gr.Radio(gender_label_to_index.keys(), value='Male', label=features['gender'])
+            with gr.Row():
+                hypertension = gr.Checkbox(value=False, label=features['hypertension'])
+                heart_disease = gr.Checkbox(value=False, label=features['heart_disease'])
+            smoking_history = gr.Radio(smok_label_to_index.keys(), value='Нет информации', label=features['smoking_history'])
+            age = gr.Slider(minimum=11, maximum=80, value=45, step=1, label=features['age'])
+            bmi = gr.Slider(minimum=10.0, maximum=60.0, value=30.0, step=0.1, label=features['bmi'])
+            HbA1c_level = gr.Slider(minimum=3.5, maximum=9.0, value=5.5, step=0.01, label=features['HbA1c_level'])
+            blood_glucose_level = gr.Slider(minimum=80, maximum=300, value=138, step=1, label=features['blood_glucose_level'])
+
+        # стобец с картинкой, датафреймом с введенными данными и результатом
+        with gr.Column(scale=3):
+
+            # отобразить картинку через через gr.Image()
+            gr.Image('main_page_image.jpg', height=460)
+            # датафрейм для отображения введенных данных
+            dataframe = gr.DataFrame(
+                value=pd.DataFrame(columns=features.values()),  # пустой датафрейм с нашими названиями столбцов
+                label='Ваши данные',
+                row_count=1,
+                column_widths='50%',
+                height=100,
+                # type='pandas',
+                )
+            # текстовое поле для результата
+            textbox = gr.Textbox(label='Результат')
+
+    # для удобства входные параметры о пользователе собираем в список
+    all_params = [gender, age, hypertension, heart_disease, smoking_history, bmi, HbA1c_level, blood_glucose_level]
+
+    # функция для предсказания результата - принимает введенные параметры, и выводит результат вместе с датафреймом параметров
+    def predict(*params):
+        # датафрейм параметров для отображения
+        data_df = pd.DataFrame([dict(zip(features.values(), params))])
+
+        # преобразовать все столбцы датафрейма к числам перед предиктом
+        df_to_predict = data_df.copy()
+        df_to_predict['Пол'] = gender_label_to_index[df_to_predict['Пол'][0]]
+        df_to_predict['История курения'] = smok_label_to_index[df_to_predict['История курения'][0]]
+
+        # сделать предсказание моделью - вероятность диабета
+        diabetes_prob = model.predict_proba(df_to_predict.values)[0, 1]
+        text_result = f'Вероятность диабета: {diabetes_prob:.2f}'
+        # вернуть датафрейм с параметрами и результат - вероятность диабета
+        return data_df, text_result
+
+    # назначить прослушиватель событий - функция predict будет вызывыатся при изменени (change) любого из компонентов
+    gr.on(
+        triggers=[param.change for param in all_params],
+        fn=predict,
+        inputs=[*all_params],
+        outputs=[dataframe, textbox],
+    )
+
+# запуск приложения (убрать debug при деплое)
+demo.launch(debug=True)
+
+# чтобы сервер работал в докере нужно указать server_name='0.0.0.0'
+# demo.launch(server_name='0.0.0.0')

model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:2819c9b98679a707140f7f25a5873ed5682d56705d6b3cea1d1815667b8b2fe8
+size 22235185

requirements.txt

@@ -0,0 +1,3 @@
+gradio
+scikit-learn
+Pillow