YAML Metadata Warning:empty or missing yaml metadata in repo card
Check out the documentation for more information.
import numpy as np from sklearn.linear_model import LinearRegression import gradio as gr
Создаем и обучаем модель на тренировочных данных
X_train = np.array([[1, 1], [2, 2], [3, 3]]) # Пример признаков y_train = np.array([1, 2, 3]) # Пример целевых переменных (ответов)
model = LinearRegression() model.fit(X_train, y_train)
Функция для предсказания
def predict(input_data): # Разбиваем входную строку на пары чисел, используя точку с запятой и пробел как разделители input_pairs = input_data.split('; ')
# Преобразуем пары чисел в список списков
input_list = [list(map(float, pair.split(', '))) for pair in input_pairs]
# Преобразуем список в массив NumPy
input_array = np.array(input_list)
# Выполняем предсказание
predictions = model.predict(input_array)
return predictions
Определение входных полей для Gradio
input_component = gr.components.Textbox(lines=1, placeholder="Введите признаки в формате '1, 2; 2, 3; 3, 4'")
Создание интерфейса Gradio
interface = gr.Interface(fn=predict, inputs=input_component, outputs="text", live=True)
Запуск интерфейса Gradio
interface.launch()