Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
@@ -4,6 +4,7 @@ from sklearn.model_selection import train_test_split
|
|
4 |
from sklearn.linear_model import LogisticRegression
|
5 |
from joblib import dump, load
|
6 |
import os
|
|
|
7 |
|
8 |
# Função para treinar e salvar o modelo
|
9 |
def train_model():
|
@@ -25,6 +26,18 @@ def train_model():
|
|
25 |
model_filename = os.path.join(diretorio, "model.pkl")
|
26 |
dump(model, model_filename)
|
27 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
28 |
return f"Modelo treinado e salvo em: {model_filename}"
|
29 |
|
30 |
# Função para carregar o modelo treinado e fazer previsões
|
@@ -32,7 +45,10 @@ def predict(input_data):
|
|
32 |
# Carregar o modelo treinado
|
33 |
model = load("/mnt/data/model.pkl") # Caminho do modelo salvo
|
34 |
|
35 |
-
#
|
|
|
|
|
|
|
36 |
prediction = model.predict([input_data]) # input_data deve ser um vetor com as características
|
37 |
return f"Previsão: {prediction[0]}"
|
38 |
|
@@ -43,21 +59,6 @@ train_iface = gr.Interface(
|
|
43 |
outputs=["text"] # Exibe uma mensagem de sucesso
|
44 |
)
|
45 |
|
46 |
-
from huggingface_hub import HfApi
|
47 |
-
|
48 |
-
# Autenticação
|
49 |
-
api = HfApi()
|
50 |
-
repo_id = "coan/botClaiton" # Substitua pelo seu repositório
|
51 |
-
model_filename = "/mnt/data/model.pkl" # Caminho do seu modelo
|
52 |
-
|
53 |
-
# Upload do modelo para o repositório
|
54 |
-
api.upload_file(
|
55 |
-
path_or_fileobj=model_filename,
|
56 |
-
path_in_repo="model.pkl", # Nome do arquivo no repositório
|
57 |
-
repo_id=repo_id,
|
58 |
-
repo_type="model"
|
59 |
-
)
|
60 |
-
|
61 |
# Interface para previsões
|
62 |
predict_iface = gr.Interface(
|
63 |
fn=predict, # Função para chamar ao gerar previsão
|
|
|
4 |
from sklearn.linear_model import LogisticRegression
|
5 |
from joblib import dump, load
|
6 |
import os
|
7 |
+
from huggingface_hub import HfApi
|
8 |
|
9 |
# Função para treinar e salvar o modelo
|
10 |
def train_model():
|
|
|
26 |
model_filename = os.path.join(diretorio, "model.pkl")
|
27 |
dump(model, model_filename)
|
28 |
|
29 |
+
# Fazer upload do modelo para o Hugging Face
|
30 |
+
api = HfApi()
|
31 |
+
repo_id = "coan/botClaiton" # Substitua pelo seu repositório
|
32 |
+
|
33 |
+
# Upload do modelo para o repositório Hugging Face
|
34 |
+
api.upload_file(
|
35 |
+
path_or_fileobj=model_filename,
|
36 |
+
path_in_repo="model.pkl", # Nome do arquivo no repositório
|
37 |
+
repo_id=repo_id,
|
38 |
+
repo_type="model"
|
39 |
+
)
|
40 |
+
|
41 |
return f"Modelo treinado e salvo em: {model_filename}"
|
42 |
|
43 |
# Função para carregar o modelo treinado e fazer previsões
|
|
|
45 |
# Carregar o modelo treinado
|
46 |
model = load("/mnt/data/model.pkl") # Caminho do modelo salvo
|
47 |
|
48 |
+
# Garantir que a entrada seja um vetor (as características)
|
49 |
+
input_data = [float(i) for i in input_data.split()]
|
50 |
+
|
51 |
+
# Realizar a previsão
|
52 |
prediction = model.predict([input_data]) # input_data deve ser um vetor com as características
|
53 |
return f"Previsão: {prediction[0]}"
|
54 |
|
|
|
59 |
outputs=["text"] # Exibe uma mensagem de sucesso
|
60 |
)
|
61 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
62 |
# Interface para previsões
|
63 |
predict_iface = gr.Interface(
|
64 |
fn=predict, # Função para chamar ao gerar previsão
|