File size: 1,359 Bytes
0a1a9d7 1f86fdd 0a1a9d7 fbd5a5f 0a1a9d7 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 |
import gradio as gr
import numpy as np
import joblib
# Cargar el modelo entrenado
model = joblib.load('titanic.pkl')
def predict_survival(sex, age, fare, pclass, sibsp):
# Convertir entradas a formato num茅rico y ajustar seg煤n el modelo
# Asumimos que 'Masculino' = 1, 'Femenino' = 0
sex = 1 if sex == "Masculino" else 0
# Preparar el array con las caracter铆sticas en el orden correcto
input_features = np.array([[sex, age, fare, pclass, sibsp]])
# Hacer la predicci贸n usando el modelo
prediction = model.predict(input_features)
# Retornar el resultado en forma legible
result = 'Sobrevive' if prediction[0] == 1 else 'No sobrevive'
return result
# Definir la interfaz de Gradio
iface = gr.Interface(
fn=predict_survival,
inputs=[
gr.components.Dropdown(choices=["Masculino", "Femenino"], label="Sexo"),
gr.components.Slider(minimum=0, maximum=100, step=1, value=28, label="Edad"),
gr.components.Slider(minimum=0, maximum=512, step=1, value=33, label="Tarifa"),
gr.components.Dropdown(choices=[1, 2, 3], label="Clase del Pasajero"),
gr.components.Slider(minimum=0, maximum=8, step=1, value=0, label="Hermanos/C贸nyuges a bordo")
],
outputs=gr.components.Textbox(label="Predicci贸n de Supervivencia")
)
# Lanzar la aplicaci贸n
iface.launch()
|