app v1

app.py

@@ -0,0 +1,33 @@
+import gradio as gr
+import joblib as jb
+
+def predict(val_fatura, DIAS_BASE, DIAS_PLANO, DDD):
+    model = jb.load('model.pkl')
+    DDD = int(DDD)
+    
+    p = model.predict_proba([[val_fatura, DIAS_BASE, DIAS_PLANO, DDD]])[0]
+
+    print(p)
+
+    return {'É inadimplente': p[0], 'Não é inadimplente': p[1]  }
+
+
+
+demo = gr.Interface(fn = predict,
+                    inputs = ["number", 
+                              "number",
+                              "number",
+                              gr.Dropdown(choices = ["11", "12", "13", "14", "15", "16",
+                                                     "17", "18", "19", "21", "22", "24", 
+                                                     "27", "28", "31", "32", "33", "34", 
+                                                     "35", "37", "38", "41", "42", "43", 
+                                                     "44", "45", "46", "47", "48", "49", 
+                                                     "51", "53", "54", "55", "61", "62", 
+                                                     "63", "64", "65", "66", "67", "68", 
+                                                     "69", "71", "73", "74", "75", "77", 
+                                                     "79", "81", "82", "83", "84", "85",
+                                                      "86", "87", "88", "89", "91", "92", 
+                                                      "93", "94", "95", "96", "97", "98", "99"], type = "index")
+                            ],
+                     outputs = 'label')
+demo.launch()

requirements.txt

@@ -0,0 +1,2 @@
+joblib
+scikit-learn