Spaces:
Sleeping
Sleeping
import gradio as gr | |
import tensorflow as tf | |
import numpy as np | |
# Laden Sie Ihr trainiertes Modell | |
model_path = "kia_apartments_keras_model.h5" | |
model = tf.keras.models.load_model(model_path, custom_objects={'mse': tf.keras.losses.MeanSquaredError()}) | |
def predict_price(rooms, area, pop, pop_dens, frg_pct, emp, tax_income): | |
# Erstellen eines Arrays aus den Eingabewerten | |
input_array = np.array([[rooms, area, pop, pop_dens, frg_pct, emp, tax_income]], dtype=float) | |
# Modell zur Vorhersage verwenden | |
prediction = model.predict(input_array) | |
# Rückgabe der Vorhersage | |
return f"Vorhergesagter Preis: {prediction[0][0]:.2f}" | |
# Erstellen der Gradio-Oberfläche | |
iface = gr.Interface( | |
fn=predict_price, | |
inputs=[ | |
gr.Number(label="Zimmer"), | |
gr.Number(label="Fläche"), | |
gr.Number(label="Bevölkerung"), | |
gr.Number(label="Bevölkerungsdichte"), | |
gr.Number(label="Fremdsprachenanteil (%)"), | |
gr.Number(label="Beschäftigte"), | |
gr.Number(label="Steuerbares Einkommen") | |
], | |
outputs="text", | |
title="Vorhersage des Wohnungpreises", | |
description="Geben Sie die Daten ein, um den Preis einer Wohnung zu schätzen." | |
) | |
# Start der App | |
if __name__ == "__main__": | |
iface.launch() | |