Update app.py

app.py

@@ -1,26 +1,8 @@
-import pandas as pd
-import numpy as np
-from sklearn.datasets import fetch_california_housing
-from sklearn.model_selection import train_test_split
-from sklearn.ensemble import RandomForestRegressor
-import shap
-import matplotlib.pyplot as plt
-
-# Chargement et préparation des données California Housing
-california = fetch_california_housing()
-X = pd.DataFrame(california.data, columns=california.feature_names)
-y = california.target  # renommage pour clarté
-
-# Division des données en ensembles d'entraînement et de test
-X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
-
-# Construction et entraînement du modèle
-model = RandomForestRegressor(random_state=42)
-model.fit(X_train, y_train)
-
-# Création de l'expliqueur SHAP et calcul des valeurs SHAP
-explainer = shap.TreeExplainer(model)
-shap_values = explainer.shap_values(X_test)
-
-# Visualisation des valeurs SHAP
-shap.summary_plot(shap_values, X_test)
+    import streamlit as st
+from transformers import pipeline
+
+pipe =pipeline('Sentiment analysis')
+text = st.text_area("entrer un text")
+if text:
+    out = pipe(text)
+    st.json(out)