Update app.py

app.py

@@ -2,13 +2,20 @@ import gradio as gr
 import pandas as pd
 from pycaret.classification import setup, compare_models, pull
 
+# Sütunları ve veri setini alma fonksiyonu
 def get_columns(dosya):
     if dosya is None:
-        return gr.update(choices=[]), gr.update(choices=[]), gr.update(choices=[])
+        return gr.update(choices=[]), gr.update(choices=[]), gr.update(choices=[]), pd.DataFrame()
     data = pd.read_csv(dosya.name)
     kolonlar = data.columns.tolist()
-    return gr.update(choices=kolonlar), gr.update(choices=kolonlar), gr.update(choices=kolonlar)
+    return (
+        gr.update(choices=kolonlar),  # Hedef sütun seçenekleri
+        gr.update(choices=kolonlar),  # Sayısal sütunlar
+        gr.update(choices=kolonlar),  # Kategorik sütunlar
+        data.head()  # Veri seti ön izlemesi
+    )
 
+# Otomatik modelleme fonksiyonu
 def otoml_islemi(dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
                  sayisal_imputasyon, kategorik_imputasyon, normalize, remove_outliers, ignore_sutunlar):
     # Veri setini yükleyin
@@ -63,13 +70,16 @@ with gr.Blocks() as demo:
     buton = gr.Button("Otomatik Modelleme Başlat")
     
     output = gr.Dataframe(label="Model Değerlendirme Sonuçları")
+    preview = gr.Dataframe(label="Veri Seti Ön İzlemesi")
     
+    # Dosya yüklendiğinde sütunları ve veri setini al
     dosya.change(
         fn=get_columns,
         inputs=dosya,
-        outputs=[hedef_sutun, sayisal_sutunlar, kategorik_sutunlar, ignore_sutunlar]
+        outputs=[hedef_sutun, sayisal_sutunlar, kategorik_sutunlar, preview]
     )
     
+    # Modelleme butonuna tıklandığında işlemi başlat
     buton.click(
         fn=otoml_islemi,
         inputs=[dosya, hedef_sutun, sayisal_sutunlar, kategorik_sutunlar,
@@ -77,4 +87,4 @@ with gr.Blocks() as demo:
         outputs=output
     )
 
-demo.launch()
+demo.launch(share=True)