Spaces:
Sleeping
Sleeping
File size: 1,686 Bytes
6dc42d0 a5a799a 6dc42d0 a5a799a 6dc42d0 a5a799a |
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 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 |
import gradio as gr
import pandas as pd
import statsmodels.api as sm
import numpy as np
import io
df = pd.read_excel('MOD_VC.xlsx', 'DF')
# Separar as variáveis independentes (X) e dependente (y)
X = df[['AREA', 'TEST', 'PAV', 'POS', 'RB']]
y = df['VU']
X_with_constant = sm.add_constant(X)
model = sm.OLS(y, X_with_constant)
results = model.fit()
def predict(file):
# Lendo o arquivo de input
input_df = pd.read_excel(file)
# Processamento da planilha de input
input_df[['AREA', 'TEST']] = np.log(input_df[['AREA', 'TEST']])
input_df['RB'] = 1/input_df['RB']
# Preparar dados para predição
X_new = np.array(input_df)
X_new_with_constant = np.insert(X_new, 0, 1, axis=1)
# Fazer previsões
y_pred = results.predict(X_new_with_constant)
ci = results.get_prediction(X_new_with_constant).conf_int()
inter_conf = np.exp(ci)
# Adicionar previsões e intervalos de confiança à planilha
input_df['Prev'] = np.exp(y_pred)
input_df['LI_IC'] = inter_conf[:, 0]
input_df['LS_IC'] = inter_conf[:, 1]
# Convertendo o DataFrame de volta para um arquivo Excel
output = io.BytesIO()
with pd.ExcelWriter(output, engine='xlsxwriter') as writer:
input_df.to_excel(writer, index=False)
output.seek(0)
return output
iface = gr.Interface(
fn=predict,
inputs=gr.inputs.File(type="file", label="Carregue seu arquivo XLS/XLSX"),
outputs=gr.outputs.File(file_name="avaliacao_massa.xlsx"),
title="Vera Cruz - Avaliação em massa",
description="Faça o upload de um arquivo XLS/XLSX para previsão em massa. Download de planilha de exemplo [aqui]('teste.xlsx')."
)
iface.launch()
|